EdgeAI和智能合约 带有SmartContract项目代码的EdgeAI。 基于Hyperledger Fabric v2.2.0和python火炬v1.6.0。 安装 如何在您的操作系统上安装此项目。 先决条件 Ubuntu 18.04 Python 3.6.9（pip 9.0.1） Docker 19.03.12（docker-compose 1.26.2） Node.js v12.18.3（npm 6.14.6） Golang v1.15.2 EASC项目应该被克隆到主目录中，例如~/EASC 。 区块链 所有区块链脚本都在fabric-samples目录下。 cd fabric-samples/ ./downloadEnv.sh RAFT共识 cd raft/ go build 区块链休息服务器 cd blockchain-server/ npm install 联

边缘计算将网络边缘上的计算、存储等资源进行有机融合，构建成统一的用户服务平台，按就近服务原则对网络边缘节点任务请求及时响应并有效处理。由于边缘节点能力、资源、带宽、能源等受限，计算迁移是边缘计算的一个关键问题。综述了移动边缘计算的起因、演进和发展趋势，以从分布式计算、普适计算、云计算到边缘计算的演进历程为主线，对比分析了各阶段计算迁移的特点并对经典模型进行了评述；重点分析了边缘计算的最新研究进展及应用领域，研究并对比分析了基于能耗优化管理的移动边缘计算模型。最后提出了一个面向LTE应用和基于时分多址（time division multiple access，TDMA）的多用户边缘移动终端计算迁移策略系统。

叶子 LEAF是对于L ARGEênergy-甲洁具F A模拟器OG计算环境。 然后，它可以在分布式，异构且资源受限的基础架构中对复杂的应用程序图进行建模。 特别强调了能源消耗（以及不久的碳排放量）的建模。 请访问官方以获取有关此项目的更多信息和示例。 该Python实现是从移植而来的。 将来的所有开发都将在此存储库中进行。 安装 您可以通过直接克隆该存储库或通过安装最新版本来使用LEAF： $ pip install leafsim 我该怎么办？ LEAF可以对云，雾和边缘计算环境进行高级建模。 它建立在 （一个用于创建和操作复杂网络的库）和 （一个基于过程的离散事件仿真框架）之上。 除了可以研究资源受限环境中的调度和放置算法外，LEAF还特别关注： 动态网络：模拟在仿真过程中可以加入或离开网络的移动节点。 功耗建模：对单个计算节点，网络流量和应用程序的功耗进行建模。

||| 一，简介 AoE （Edge上的AI）是一个开源的终端侧AI集成运行时环境（IRE） 。帮助开发者将不同框架的深度学习算法轻松部署到终端高效执行。 二，使用文档＆示例＆资源 官方模型： 人脸比对模型， 三，适应信息 AoE版本 推理框架 依赖信息 推理框架版本 1.1.4 （2020/03/17） TensorFlow Lite [Android] com.didi.aoe.runtime-tensorflow-lite：1.1.4 [iOS] pod'AoERuntime / TensorFlowLite'，'〜> 1.1.3'， 2.1.0 火炬 [Android] com.didi.aoe.runtime-pytorch：1.1.4 1.4.0 人工神经网络 [Android] com.didi.aoe.runtime-mnn：1.1.4 [iOS] pod'AoERuntime / MNN'，'〜> 1.1.3'， 0.2.1.7 神经网络 [Android] com.didi.aoe.runtime-ncnn：1.1.4 [iOS] pod'AoE

hi3559av100的官方芯片手册，从官方开发板包中获取，资料详细，对应芯片选型很有帮助。 性能：基于Hisilicon Hi3559A 2*A73+3*A53+1*M7+2*G71+4*DSP+2*NNIE多核异构处理器

数字化浪潮正席卷传统离散制造业，逐步优化了生产车间的工艺条件和生产流程，在这个过程中，边缘计算快速兴起并体现出特有优势。边缘计算是在靠近物或数据源头的网络边缘侧，构建融合网络、计算、存储、应用核心能力的分布式开放体系，就近提供智能化服务，满足离散制造业在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求，其为离散制造业的数字化、网络化、智能化转型提供了强大助力。 同时，针对离散制造业的转型升级需求，其边缘计算解决方案在不断发展成熟，相关生态构建和产业布局也正在全球加速展开。在此关键时期，中国信息通信研究院联合工业互联网产业联盟共同发布《离散制造业边缘计算解决方案白皮书》，把握离散制造业目前发展面临的挑战及边缘计算当前的应用现状，研判边缘计算为工业现场带来的真正价值，提出离散制造业边缘计算实施架构及技术体系，探索边缘计算解决方案实践，最后结合当前现状给出了离散制造业边缘计算技术和产业化发展建议。

随着人工智能的飞速发展，全球机器人市场在持续扩大，机器人的能力从执行固定的操作发展到自主感知、理解和决策。但要实现机器人的大规模应用，需要机器人在有限功耗的限制下，具备强大的计算能力和低廉的部署成本。利用边缘计算提供性价比更高的服务，增强机器人本体的计算能力，实现规模化部署是实现这一目标的关键。分析了实现边缘增强的机器人系统面临的挑战，提出了基于边缘计算的云原生机器人系统，并探讨了实现该系统的4种可行的技术方案。提出的系统是由基于机器人本体的智能系统向云-边-端融合的多机器人协同的智能系统发展的趋势，也是实现机器人大规模应用的关键技术。

2020边缘计算架构及特征研究白皮书

5.7 多网络融合 5G 是多种接入技术融合的网络，应遵循多网协同的原则，即 5G 和 4G、 WLAN 等网络共同满足多场景的需求，实现室内外网络协同；同时保证现有业 务的平滑过渡，不造成现网业务中断和缺失。 传统多网络融合中，控制实体位于核心网，实现了统一认证与计费、切换管 理等基础融合能力，而接入网侧仅提供辅助的融合策略信息，终端仅仅是依赖于 无线信号强度来选择网络，难以考虑基于网络的动态信息，如网络负载、链路质 量、回传链路负荷，甚至是业务类型等策略来实现对网络的灵活选择。 中国电信在 3GPP 开展了“基于应用感知实现 4G 与 5G 互操作”的创新性 研究，充分发挥 5G 技术优势、合理利用 4G 已有投资，在保证业务能力和用户 体验的基础上实现网络投资回报与价值最大化。从网络演进和用户体验的角度出 发，提出先感知应用和用户 QoE，基于运营商的特定准则形成相应的选网策略， 再进行 4G/5G 网络的选择、切换或重选，推动 4G 和 5G 的有效融合以及商业模 式创新。中国电信将积极推动SA方案来实现基于应用选择网络的 5G网络演进。 对于 5G 与 WLAN 的网络协同，在网络架构层面，5G 与 WLAN 网络融合 架构一方面可以借鉴 4G 与 WLAN 在接入网侧的融合架构，即 WLAN 在 RAN 侧接入 5G 网络，获取业务流并转发给 UE；另一方面也可以考虑将 WLAN 直接 接入 5G 核心网，WLAN 从核心网直接获取用户数据。此外，相比于 4G 全覆盖 网络，5G 部署初期网络覆盖受限，此时对于 5G 与 WLAN 的融合传输来说，将 会增加掉话以及 RRC 重连接的风险，需要着重研究 5G 与 WLAN 融合的连接增 强方法，从而提升 RRC 连接的连续性。 5.8 多接入边缘计算 MEC 通过将计算存储能力与业务服务能力向网络边缘迁移，使应用、服务 和内容可以实现本地化、近距离、分布式部署，从而一定程度解决了 5G eMBB、 URLLC、以及 mMTC 等技术场景的业务需求。同时 MEC 通过充分挖掘网络数 据和信息，实现网络上下文信息的感知和分析，并开放给第三方业务应用，有效 提升了网络的智能化水平，促进网络和业务的深度融合。 考虑到未来 5G 时代将同时存在移动、固定等多种网络，为了缓解 5G 移动

面向自动驾驶的边缘计算技术研究综述_吕品.pdf