边端融合的终端情境自适应深度感知模型

摘要：

研究边端融合的深度模型终端情境自适应问题.提出边端融合增强的模型压缩方法(X-ADMM),利用模型压缩技术简化模型结构,以层为粒度寻找模型最佳分割点,协同边端设备提高运行效率.为了实现模型分割的动态自适应,提出基于图的自适应深度模型手术刀算法(GADS).当模型运行情境(如存储、电量、带宽等)发生变化时,优先在邻近分割状态中快速搜索最能满足资源约束的分割点,实现快速自适应调整.实验结果表明,该模型平均在0.1 ms内实现了模型分割点的自适应调优,在保证模型精度下降不超过2.5％的情况下,运行总时延最高下降了56.65％.

关键词：深度学习、边缘智能、模型压缩、模型分割、自适应感知

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：626-638