基于云邊協(xié)同子類蒸餾的卷積神經(jīng)網(wǎng)絡模型壓縮方法

摘要： 當前卷積神經(jīng)網(wǎng)絡模型的訓練和分發(fā)流程中，云端擁有充足的計算資源和數(shù)據(jù)集，但難以應對邊緣場景中碎片化的需求。邊緣側能夠直接進行模型的訓練和推理，但難以直接使用云端按照統(tǒng)一規(guī)則訓練的卷積神經(jīng)網(wǎng)絡模型。針對在邊緣側資源受限的情況下，卷積神經(jīng)網(wǎng)絡算法進行模型壓縮的訓練和推理有效性低的問題，首先，提出了一種基于云邊協(xié)同的模型分發(fā)和訓練框架，該框架可以結合云端和邊緣側各自的優(yōu)勢進行模型再訓...