一种用于空间应用中深度神经网络推理的通用软件框架

《IEEE Aerospace and Electronic Systems Magazine》：A Generalized Software Framework for Deep Neural Network Inference in Space Applications

　　神经网络执行框架实现跨平台部署，提升航天应用中模型推理效率。通过核心飞行系统和低成本单板计算机的联合测试，验证了在PyTorch/TensorFlow构建的压缩算法等航天任务关键模型的可移植性，降低异构硬件环境下的开发成本。

　　

摘要：

近期在硬件和软件技术方面的进步使得在资源有限的硬件环境中实现资源需求较高的深度学习算法成为可能。这为在越来越小的航天器上应用深度学习提供了机会。本文介绍了我们的神经网络执行框架（Neural Network Execution Framework），该框架旨在提供一个跨平台且可重用的平台，用于部署和执行针对航空航天应用的训练好的神经网络。无论这些神经网络最初是在何种深度学习框架中开发的，该框架都能在多种飞行软件框架、操作系统和硬件配置下执行其推理过程。我们首先以一个具体的实现为例，该实现用于执行我们从太阳动力学观测站（Solar Dynamics Observatory）获取的图像数据所使用的基于神经网络的压缩算法，并采用了NASA的核心飞行系统（core Flight System）作为飞行软件。通过这个案例，我们认识到可以将该实现泛化，以便集成更多的飞行软件框架并执行更多的深度学习航空航天应用。用户和组织可以使用这个框架来创建可重用的深度学习部署和执行解决方案，而无需每次开发特定的航空航天应用时都重新实现相应的解决方案。这种方法使开发人员能够专注于他们的深度学习模型架构，而无需关心在飞行平台上的实现和部署过程。本文展示了我们框架的设计、实现和测试过程，该框架能够部署和执行使用PyTorch和TensorFlow开发的神经网络，包括我们自主研发的压缩算法，并利用核心飞行系统和低成本的单板计算机来模拟类似太空环境的硬件-软件配置。这个软件演示旨在突出我们的框架在航空航天任务中应用深度学习时的优势。此外，为了进行比较，我们还展示了...

显示更多