一种基于动态调整的端边云模型分割方法

本发明涉及深度学习技术领域，公开一种基于动态调整的端边云模型分割方法，包括以下步骤：S1：将深度学习模型分割为至少两个部分，以分别部署于端侧设备和云侧设备；S2：实时评估端侧设备和云侧设备的资源情况；S3：基于资源情况评估的结果，动态调整深度学习模型的分割点，以适应端侧设备和云侧设备的资源情况；S4：基于调整分割点后的模型，进行端侧设备和云侧设备协同的分布式训练，以更新深度学习模型参数。实现了对端侧与云侧资源异构特性的自适应利用，兼顾训练阶段的高效分布式协同与推理阶段的本地化高效执行，显著降低端侧设备的算力负担与通信负担，有效提升系统整体的运行性能和稳定性。