摘要 - 构成物联网（IoT）的数十亿个对象，预计将生成量的数据量。各种自动化服务（例如监视）将在很大程度上取决于使用不同的机器学习（ML）算法。传统上，ML模型由集中式云数据中心处理，在该中心，IoT读数通过访问，地铁和核心层中的多个网络啤酒花将云卸载到云中。这种方法不可避免地会导致过度的网络功耗以及服务质量（QoS）降解，例如增加延迟。相反，在本文中，我们提出了一种分布式的ML方法，除了云外，还可以在IoT节点和雾式服务器等中介设备中进行处理。我们将ML模型抽象成虚拟服务请求（VSR），以表示深神经网络（DNN）的多个互连层。使用混合整数线性编程（MILP），我们设计了一个优化模型，该模型以能源有效的方式在云/雾网络（CFN）中分配DNN的层。我们评估了DNN输入分布对CFN性能的影响，并将这种方法的能效与基线的能源效率进行比较，在该基线中，在集中式云数据中心（CDC）中处理了所有DNN的所有层。