买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东技术师范大学申请的专利一种基于拆分学习的端边云模型压缩与部署方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119940455B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510127152.6，技术领域涉及：G06N3/082；该发明授权一种基于拆分学习的端边云模型压缩与部署方法是由蔡君;胡准一;刘燕;罗建桢;廖丽平设计研发完成，并于2025-01-31向国家知识产权局提交的专利申请。

本一种基于拆分学习的端边云模型压缩与部署方法在说明书摘要公布了：本发明涉及深度学习技术领域，公开一种基于拆分学习的端边云模型压缩与部署方法，包括：将深度学习模型拆分为前部模型、中部模型和后部模型，部署于客户端、边缘侧和云端；客户端对前部模型进行前向传播，将前向传播结果发送至边缘侧；边缘侧接收来自至少一个客户端的前向传播结果，利用中部模型对接收到的结果进行前向传播，将前向传播结果发送至云端；云端接收来自至少一个边缘侧的前向传播结果，利用后部模型完成前向传播，计算损失函数，进行反向传播，以更新前部模型、中部模型和后部模型；对前部模型、中部模型和后部模型进行迭代剪枝，并利用知识蒸馏对剪枝后的模型进行微调；将轻量化后的前部模型部署到客户端，以在客户端本地进行推理。

本发明授权一种基于拆分学习的端边云模型压缩与部署方法在权利要求书中公布了：1.一种基于拆分学习的端边云模型压缩与部署方法，其特征在于，包括以下步骤： S1：将待压缩的深度学习模型拆分为前部模型、中部模型和后部模型，分别部署于客户端、边缘侧和云端； S2：客户端利用本地数据对部署于客户端的前部模型进行前向传播，并将前向传播结果发送至边缘侧； S3：边缘侧接收来自至少一个客户端的前向传播结果，并利用部署于边缘侧的中部模型对接收到的结果进行前向传播，并将前向传播结果发送至云端； S4：云端接收来自至少一个边缘侧的前向传播结果，并利用部署于云端的后部模型完成前向传播，计算损失函数，并基于损失函数进行反向传播，以更新前部模型、中部模型和后部模型的参数； S5：对部署于客户端的前部模型、部署于边缘侧的中部模型和部署于云端的后部模型分别进行迭代剪枝，并利用知识蒸馏对剪枝后的模型进行微调； S6：将轻量化后的前部模型部署到客户端，以在客户端本地进行推理； 在步骤S1中，根据客户端、边缘侧和云端的资源限制，将深度学习模型手动拆分为前部模型、中部模型和后部模型； 在步骤S2中，客户端处理本地数据并执行前部模型的前向传播，直到一个预定义的切割层；客户端向前传播的输出表示为： ； 其中，是第i个前部模型，是第i个客户端设备的输入数据，是第i个前部模型的参数； 在步骤S3中，边缘侧接收所有客户端发送的中间结果，并进行聚合，得到，并作为边缘侧的输入继续执行前向传播，边缘侧向前传播的输出表示为： 其中是第j个中部模型，是第j个中部模型的参数； 在步骤S4中，所述云端接收来自至少一个边缘侧的前向传播结果，并利用部署于所述云端的后部模型完成前向传播包括：云端接收边缘侧发送的中间结果，并进行聚合，得到，并完成最后的前向传播，得到模型输出；云端向前传播的输出表示为： ； 其中是云端模型，是云端模型的参数； 在步骤S4中，所述计算损失函数，并基于所述损失函数进行反向传播，以更新所述前部模型、所述中部模型和所述后部模型的参数包括： 云端根据和真实标签y计算损失函数，云端计算损失函数关于模型参数的梯度并传递给边缘侧； 边缘侧根据梯度更新其模型部分，并计算传递给客户端的梯度； 客户端根据梯度更新其模型部分，最终完成模型更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东技术师范大学，其通讯地址为：510000 广东省广州市天河区中山大道西293号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。