본 논문은 자원 제약 환경에서의 CNN 배포 시, 지연을 유발하는 straggler 노드에 대한 내성을 강화하고 수치적 안정성을 높이기 위해 Flexible Coded Distributed Convolution Computing (FCDCC) 프레임워크를 제안한다. 기존의 행렬 곱셈을 위한 Coded Distributed Computing (CDC)에 Circulant and Rotation Matrix Embedding (CRME)을 확장하여 고차원 텐서 합성곱에 적용한다. Numerically Stable Coded Tensor Convolution (NSCTC)라고 불리는 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 제시한다. 이러한 전략을 통해 텐서 합성곱의 선형 분해 및 CDC 하위 작업으로의 인코딩이 가능하며, 강력하고 효율적인 실행을 위해 모델 병렬 처리와 코딩된 중복성을 결합한다. 이론적 분석을 통해 통신 및 저장 비용 간의 최적 절충점을 찾고, 실험 결과는 다양한 CNN 아키텍처에서 프레임워크의 계산 효율성, straggler 내성 및 확장성을 검증한다.
