本發明提供一種基于深度強化學習的邊云協同優化方法,所述方法包括:在離線階段,通過離線訓練深度學習模型生成帶有多個早退點的多分支網絡,并獲取云服務器與終端設備運行深度學習模型中的不同神經網絡層的時延和能耗作為設備參數;在優化決策階段,將預先獲取的時延、能耗、準確率以及帶寬的設備參數一起輸入至優化器進行優化,得到深度學習模型關于早退點、分割點以及量化編碼的推理方案;在在線推理階段,邊緣設備與云服務器建立連接并運行深度學習模型,優化器根據邊緣設備實時檢測到的帶寬對推理方案進行動態優化,并按照優化后的推理方案指導邊緣設備與云服務器協同實施。本發明對于傳輸數據的時延、能耗和準確率能夠有效優化。
聲明:
“基于深度強化學習的邊云協同優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)