边端融合的终端情境自适应深度感知模型
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%.
- 2021-06-18
- 阅读748
- 下载1
- 13页
- pdf
