一种受限资源感知的持续学习多任务调度方法

本发明设计了一种受限资源感知的持续学习多任务调度方法，适用于单设备边缘计算环境，解决持续学习应用中多任务资源竞争与任务性能需求冲突问题。该方法将持续学习任务划分为实时推理、标签生成与回放训练三类，并在单进程内通过多线程实现任务的并行调度，避免传统多进程模型的资源分裂与通信开销。系统根据GPU资源使用情况与任务性能指标动态调整训练频率与样本数量，确保推理任务的实时性同时提升训练效率。本发明在资源受限环境中实现了持续学习任务的高效并发运行，无需特殊硬件支持，便于在通用场景下部署。