DynSL：异构边缘设备自适应拆分学习框架

Boris Radovič 等人提出 DynSL 框架，通过持续监控系统指标、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中，DynSL 的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。上述结果来自论文作者的实验报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。