面向边缘计算的深度神经网络模型块动态优化方法

本发明涉及一种面向边缘计算的深度神经网络模型块动态优化方法，属于深度学习技术领域，包括：从深度神经网络模型中提取出不同侧重点的模型块；对模型块进行剪枝，生成后代块；对后代块进行重训练以提高精度，得到带标签的后代块；基于系统当前的资源可用性及延迟要求，将带标签的后代块进行缩放优化；根据任务特点选择后代块组合方式，完成深度神经网络模型的部署。本发明旨在解决深度神经网络模型因结构复杂、计算量大而难以在资源受限的边缘设备上高效部署的问题，通过对深度学习模型的深度剖析和处理，提升模型在不同计算环境下的计算效率与部署灵活性。