深度学习模型终端环境自适应方法研究

随着人工智能和物联网的快速发展与融合, 智能物联网AIoT 正成长为一个极具前景的新兴前 沿领域, 其中深度学习模型的终端运行是其主要特征之一. 针对智能物联网应用场景动态多样, 以及物联网终端 (智能手机、可穿戴及其他嵌入式设备等) 计算和存储资源受限等问题, 深度学习模型环境自适应正成为一种新的模型演化方式. 其旨在确保适当性能的条件下, 能自适应地根据环境变化动态调 整模型, 从而降低资源消耗、提高运算效率. 具体来说, 它需要主动感知环境、任务性能需求和平台资源约束等动态需求, 进而通过终端模型的自适应压缩、云边端模型分割、领域自适应等方法, 实现深度学习模型对终端环境的动态自适应和持续演化. 本文围绕深度学习模型自适应问题, 从其概念、系统架构、研究挑战与关键技术等不同方面进行阐述和讨论, 并介绍我们在这方面的研究实践.

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“A2IOT” 可以获取《深度学习模型终端环境自适应方法研究》pdf专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源