[发明专利]一种云端边缘计算融合的深度学习计算系统和方法

权利要求书

1.一种云端边缘计算融合的深度学习计算方法，其特征在于,将深度学习计算分布到云端、管道和边缘侧，由云端负责历史数据大计算量的基础模型训练，根据边缘侧的需求进行个性化的模型分发，云端到边缘侧节点部署学习后的深度学习模型，用来完成推理，边缘侧持续进行推理结果的反馈，再上传到云端持续优化模型；

具体实施流程包括：

步骤一，云端产生管道和边缘侧的深度学习模型，并将深度学习模型下发到管道和边缘侧；

步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；

步骤三，边缘侧将训练集经管道上传至云端，

步骤四，云端根据训练集进行深度学习模型训练，优化云端深度学习模型；

所述步骤一，云端产生管道和边缘侧的深度学习模型，并将深度学习模型下发到管道和边缘侧；具体实施流程包括：

步骤1、云端利用收集的大量历史数据进行深度学习模型训练，最终产生云端深度学习模型；

步骤2、云端根据需要部署深度学习模型的应用节点计算和存储能力进行模型优化，产生管道和边缘侧的深度学习模型；

步骤3、云端将深度学习模型下发到管道和边缘侧；

所述步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；具体实施过程包括：

步骤1、智能传感设备实时采集来自外界的环境数据；

步骤2、智能传感设备将收集数据发送给边缘侧进行推理；

步骤3、边缘侧执行推理计算；

步骤4、边缘侧将推理结果发送给智能传感设备；

步骤5、智能传感设备将结果反馈给用户，执行相应的工作指令，并将用户反馈上传到边缘侧；

步骤6、边缘侧收到来自智能传感设备的反馈，并对反馈信息优化后，连同进行推理的原始采集数据组合成训练集数据，保存在边缘节点本地。

2.根据权利要求1所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述边缘侧执行推理计算：

边缘侧检测本地缓存是否已存在匹配的采集数据，若存在匹配数据，直接从缓存中返回推理结果；否则，利用深度学习模型对采集数据进行推理，实时得到结果，并将采集数据及推理结果保存在边缘节点本地缓存。

3.根据权利要求2所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述步骤三，边缘侧将训练集经管道上传至云端，具体实施流程包括：

步骤1、边缘侧根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据；

步骤2、管道接收来自边缘侧上传的训练集数据，保存在本地存储中；

步骤3、管道根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据到上级管道；

步骤4、循环上传，最终训练集汇集到云端。

4.根据权利要求3所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述智能传感设备采用智能摄像头。