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 WANG Hong-li;GUO Bin;LIU Si-cong;LIU Jia-qi;WU Yun-gang;YU Zhi-wen

作者机构：西北工业大学计算机学院陕西西安710072 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2021年第55卷第4期

页      面：626-638页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(2019YFB1703901) 国家自然科学基金资助项目(61772428,61725205) 

主　　题：深度学习 边缘智能 模型压缩 模型分割 自适应感知 

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%.