一种硬件算力感知的模型自适应动态压缩与分布式系统

本发明涉及一种硬件算力感知的模型自适应动态压缩与分布式系统，面向异构边缘设备的联邦学习场景，进行硬件感知的智能模型部署，首先需要构建硬件感知模型适配器，通过多维硬件特征评估和动态压缩策略生成与设备能力匹配的模型结构；然后，执行知识蒸馏增强的本地训练；进一步，实施自适应异构模型联邦聚合，根据模型相似度和参数重要性进行智能聚合，提高异构模型间的协作效率；最后，部署优化后的边缘模型并实时监控性能状态。该方法以联邦学习和知识蒸馏技术为实现手段，通过基于Fisher信息的参数聚合算法对异构模型进行智能融合，不仅保障了模型的准确性与实时性，还显著提高了资源利用率和系统整体。