面向终端环境下的高效持续学习方法、装置、设备、介质

本发明公开了一种面向终端环境下的高效持续学习方法、装置、设备、介质，旨在持续优化终端设备上的深度神经网络训练方案。本发明针对终端接收的新训练任务，在现有模型的基础上扩展一个任务相关的模型模块。基于扩展后的模型及当前任务数据状态，评估各层对当前任务的训练效益。根据终端设备的内存与计算资源预算，基于贝叶斯优化与层选择动态规划算法优化得到训练方案，包括分配历史任务和新任务的数据量，以及确定参与当前任务的模型层。根据优化方案执行新任务的高效训练。本发明能在资源受限的边缘设备上实现长期持续学习，有效降低训练过程中的内存和计算开销，同时确保模型能够快速适应新任务并高效训练，从而提升终端设备的智能化水平。