边端融合的终端情境自适应深度感知模型

• 作者: 王虹力 郭斌 刘思聪 刘佳琪 仵允港 於志文
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 深度学习 边缘智能 模型压缩 模型分割 自适应感知
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机技术、电信技术|Computer Technology, Telecommunication Technology
• 页码范围: 626-638
• 页数: 13页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.04.004

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％.