实体
split learning
split learning
PulseAugur coverage of split learning — every cluster mentioning split learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的QSplitFL框架优化联邦学习分层点
研究人员开发了QSplitFL，一个使用深度Q学习优化联邦学习中分层点的新框架。与之前关注模型权重的旧方法不同，该方法考虑了客户端硬件能力，如CPU使用率和内存。QSplitFL旨在通过在各种数据集和模型架构上进行的实验证明，提高具有异构设备的联邦学习场景下的收敛速度和准确性。
-
TSFLora框架降低了边缘设备的AI模型适配成本
研究人员开发了TSFLora，一个旨在高效适配大型AI模型以用于无线边缘设备的新型框架。该方法通过压缩中间模型数据，解决了现有方法（如联邦微调和Split Learning）的局限性。TSFLora采用注意力引导的Token选择、合并和低比特量化等技术，在保持模型精度的同时，显著降低了通信开销和内存使用。