DynSL：跨异构边缘设备的资源自适应模型训练框架

DynSL 通过持续监控系统指标并周期性求解兼顾客户端与服务器计算和通信的优化问题，在客户端与服务器之间动态分配模型层，必要时重新配置切分点。在 24 台异构边缘设备上的实验显示，其训练时间比最强的自适应基线最多减少约 30%，比次优的均匀切分减少 50% 以上，准确率不降甚至有提升。