面向邊緣智能的協(xié)同訓練研究進展

摘要： 隨著萬物互聯(lián)時代的快速到來，海量的數(shù)據(jù)資源在邊緣側(cè)產(chǎn)生，使得基于云計算的傳統(tǒng)分布式訓練面臨網(wǎng)絡負載大、能耗高、隱私安全等問題.在此背景下，邊緣智能應運而生.邊緣智能協(xié)同訓練作為關(guān)鍵環(huán)節(jié)，在邊緣側(cè)輔助或?qū)崿F(xiàn)機器學習模型的分布式訓練，成為邊緣智能研究的一大熱點.然而，邊緣智能需要協(xié)調(diào)大量的邊緣節(jié)點進行機器模型的訓練，在邊緣場景中存在諸多挑戰(zhàn).因此，通過充分調(diào)研現(xiàn)有邊緣智能協(xié)同訓練研...