一种雾计算环境个性化深度学习方法

摘要

本发明公开了一种雾计算环境个性化深度学习方法，云端节点通过海量训练数据进行通用模型的训练，将训练得到的通用模型分发到各个雾计算节点，再利用雾计算节点的计算和存储能力训练满足边缘侧行业需求的深度学习模型；通过从智能传感设备中采集数据，在雾计算节点实时推理，实时输出结果；识别出推理出现的错误，持续的训练优化模型，并能将行业个性化模型选择性的传入云端，同时接收云端的通用模型并持续改进优化。本发明的和现有技术相比，提高实时业务执行效率，同时个性化深度学习模型保存在雾计算节点中，保证了模型的安全性，另一方面，可以根据用户许可，将模型分享到云端，是模型具有开放性。