- 1
- 2
- 3
- 4
- 5
面向边缘计算的存算一体芯片中联邦学习与本地训练存储优化.docx
资料介绍
面向边缘计算的存算一体芯片中联邦学习与本地训练存储优化
——从模型分发到梯度聚合的边缘端到端训练存储方案
引言
联邦学习在边缘计算中的应用日益广泛，通过在边缘设备上本地训练模型，保护数据隐私，减少云端数据传输。在存算一体芯片中，联邦学习的本地训练需要在芯片上存储模型参数、训练数据和梯度更新，并对存储资源进行优化管理。边缘设备的存储容量有限，而联邦学习中的模型参数和训练数据可能占用大量存储空间。本文系统分析面向边缘计算的存算一体芯片中联邦学习与本地训练存储优化方案，从模型分发到梯度聚合的边缘端到端训练存储方案。
联邦学习的存储需求
模型存储
联邦学习中的模型存储需求：
1. 全局模型：从云端分发的全局模型参数，需要存储在本地设备上，用于本地训练。
2. 本地模型：在本地训练过程中更新的模型参数，需要与全局模型参数分开存储。
3. 模型更新：本地训练后的模型更新（梯度或权重差），需要暂存后再上传到云端。
训练数据存储
联邦学习中的训练数据存储需求：
1. 本地数据集：在边缘设备上采集的本地数据，需要存储在本地设备上，用于本地训练。
2. 数据增强：在本地训练过程中，对数据进行增强，增加数据集的多样性。
3. 数据缓存：在训练过程中，将频繁使用的数据缓存在高速存储中，减少数据加载时间。
部分文件列表
| 文件名 | 大小 |
| 面向边缘计算的存算一体芯片中联邦学习与本地训练存储优化.docx | 39K |
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏10.00元 2天前
-
21ic小能手 打赏8.00元 2天前
-
21ic小能手 打赏5.00元 2天前
-
21ic小能手 打赏5.00元 2天前
-
21ic小能手 打赏5.00元 2天前
-
aetek 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic下载 打赏310.00元 3天前
用户：江岚
-
21ic下载 打赏310.00元 3天前
用户：mulanhk
-
21ic下载 打赏320.00元 3天前
用户：jh03551
-
21ic下载 打赏220.00元 3天前
用户：jh0355
-
21ic下载 打赏210.00元 3天前
用户：潇潇江南
-
21ic下载 打赏210.00元 3天前
用户：小猫做电路
-
21ic下载 打赏60.00元 3天前
用户：gsy幸运
-
21ic下载 打赏60.00元 3天前
用户：zhengdai
-
21ic下载 打赏60.00元 3天前
用户：lanmukk
-
21ic下载 打赏60.00元 3天前
用户：烟雨
-
21ic下载 打赏20.00元 3天前
用户：w993263495
-
21ic下载 打赏30.00元 3天前
用户：sun2152
-
21ic下载 打赏20.00元 3天前
用户：w178191520
-
21ic下载 打赏20.00元 3天前
用户：liqiang9090
-
21ic下载 打赏20.00元 3天前
用户：xuzhen1
-
21ic下载 打赏35.00元 3天前
用户：有理想666
-
21ic下载 打赏15.00元 3天前
用户：w1966891335
-
21ic下载 打赏15.00元 3天前
用户：x15580286248
-
21ic下载 打赏25.00元 3天前
用户：qiufeng0299
-
21ic下载 打赏15.00元 3天前
用户：kk1957135547
-
21ic下载 打赏10.00元 3天前
用户：qingsong08
-
21ic下载 打赏10.00元 3天前
用户：电工老刘
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
ZENGYIBIN 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：STM32的数字万用表
全部评论(0)