基于模型划分和迁移学习的推理决策方法

本发明涉及移动通信技术领域，尤其涉及基于模型划分和迁移学习的推理决策方法，包括以下步骤：S1：部署DNN模型并生成状态值，将状态值和训练集输入DNN模型，若需重新部署DNN模型，则从上次部署的DNN模型中加载神经网络参数，将全连接层参数进行初始化后输入编码网络，并将模型参数输入模型缓存中；S2：从模型缓存中采样训练数据，计算累计优势、损失函数值和梯度下降更新参数；S3：根据计算结果进行训练，直到达到预设训练轮次后完成训练；S4：将测试集输入训练模型后得到决策结果。本发明通过迁移学习实现缩短时间，以节省计算资源，避免了从头训练所有参数的高成本的效果，并通过将模型划分和迁移学习结合起来，有助于减少停机时间。