一种边端融合的终端情境自适应模型分割方法

摘要

本发明提供一种边端融合的终端情境自适应模型分割方法，以神经网络层为粒度对深度学习模型进行模型分割的过程中，最优分割方式的周围一定存在次优分割方式，并且不受网络带宽变化和网络模型结构变化的影响。在该规律的基础上，当模型运行情境发生变化时，利用预先构建的模型分割状态图中，以当前分割状态为导向，优先在周围近邻分割状态集中搜索，同时加入KD树最近邻搜索算法，可以在最短时间发现最能满足资源约束的分割状态，从而实现模型分割的快速自适应。