본 논문은 자원 제약 환경에서의 CNN 배포 시, 지연을 유발하는 느린 노드(straggler nodes)의 문제를 해결하기 위해 Flexible Coded Distributed Convolution Computing (FCDCC) 프레임워크를 제안합니다. 기존의 Coded Distributed Computing (CDC)에 Circulant and Rotation Matrix Embedding (CRME)을 확장하여 고차원 텐서 합성곱에 적용합니다. Numerically Stable Coded Tensor Convolution (NSCTC)라는 제안된 기법은 입력 텐서를 위한 Adaptive-Padding Coded Partitioning (APCP)과 필터 텐서를 위한 Kernel-Channel Coded Partitioning (KCCP)이라는 두 가지 새로운 코딩 분할 기법을 제시합니다. 이러한 전략을 통해 텐서 합성곱의 선형 분해와 CDC 하위 작업으로의 인코딩을 가능하게 하여 모델 병렬 처리와 코딩된 중복성을 결합하여 강력하고 효율적인 실행을 제공합니다. 이론적 분석을 통해 통신 및 저장 비용 간의 최적의 절충점을 확인하고, 실험 결과를 통해 다양한 CNN 아키텍처에서 계산 효율성, 느린 노드에 대한 복원력, 확장성을 검증합니다.
