一种基于拆分学习的端边云模型压缩与部署方法

本发明涉及深度学习技术领域，公开一种基于拆分学习的端边云模型压缩与部署方法，包括：将深度学习模型拆分为前部模型、中部模型和后部模型，部署于客户端、边缘侧和云端；客户端对前部模型进行前向传播，将前向传播结果发送至边缘侧；边缘侧接收来自至少一个客户端的前向传播结果，利用中部模型对接收到的结果进行前向传播，将前向传播结果发送至云端；云端接收来自至少一个边缘侧的前向传播结果，利用后部模型完成前向传播，计算损失函数，进行反向传播，以更新前部模型、中部模型和后部模型；对前部模型、中部模型和后部模型进行迭代剪枝，并利用知识蒸馏对剪枝后的模型进行微调；将轻量化后的前部模型部署到客户端，以在客户端本地进行推理。