[发明专利]基于端边云协同的深度学习模型训练加速方法有效
| 申请号： | 202010021406.3 | 申请日： | 2020-01-09 |
| 公开（公告）号： | CN111242282B | 公开（公告）日： | 2023-03-28 |
| 发明（设计）人： | 陈旭;周知;刘德银 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/084 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李盛洪 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于端边云协同的深度学习模型训练加速方法，提出结合模型分割与训练数据切分的分布式训练深度模型的方法，通过对整个训练过程中的计算时延和数据传输时延进行理论建模得到总训练时延作为目标函数，通过求解最小化目标函数得到最优的模型分割的切割点和训练数据分配的策略，相较于传统的基于云数据中心的方法和基于边缘服务器部署的方法，本方法能有效的利用移动端设备、边缘服务器和云数据中心的计算资源来减少在利用移动端搜集的图像数据进行用于图像识别的深度学习模型训练场景下的训练所需时延。 | ||
| 搜索关键词： | 基于 端边云 协同 深度 学习 模型 训练 加速 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010021406.3/，转载请声明来源钻瓜专利网。
