边缘计算方法及装置与流程

技术特征：
1.一种边缘计算方法，其特征在于，由边缘设备执行，包括：获取任务的数据；利用通用网络模型和所述任务的配置信息对所述任务的数据进行特征提取；将提取的特征数据和所述任务的配置信息发送至云端设备；接收所述云端设备返回的针对所述任务的数据的预测结果；其中，不同的边缘设备共享所述通用网络模型的参数并保持所述参数固定。2.根据权利要求1所述的边缘计算方法，其特征在于，所述配置信息包括：任务编号；任务的模型划分点k，k为所述任务的数据处理在通用网络模型中需要执行的层数。3.根据权利要求1所述的边缘计算方法，其特征在于，所述任务的数据包括以下至少一项：图像、文本、视频、音频、数字信号；所述任务包括以下至少一项：图像分类、目标检测、文本预测。4.根据权利要求1所述的边缘计算方法，其特征在于，所述利用通用网络模型和所述任务的配置信息对所述任务的数据进行特征提取之前，所述方法还包括：收集原始的任务数据，将收集的所述原始的任务数据发送给云端设备；接收所述云端设备返回的所述通用网络模型及所述配置信息。5.一种边缘计算方法，其特征在于，由云端设备执行，包括：接收至少一个边缘设备发送的任务的数据的特征数据及所述任务的配置信息；根据所述任务的配置信息确定与所述任务对应的任务网络模型；利用所述任务网络模型根据所述特征数据产生针对所述任务的数据的预测结果；将所述预测结果发送给所述边缘设备；其中，不同的边缘设备共享所述通用网络模型的参数并保持所述参数固定。6.根据权利要求5所述的边缘计算方法，其特征在于，所述配置信息包括：任务编号；任务的模型划分点k，k为所述任务的数据处理在通用网络模型中需要执行的层数。7.根据权利要求5所述的边缘计算方法，其特征在于，所述任务的数据包括以下至少一项：图像、文本、视频、音频、数字信号；所述任务包括以下至少一项：图像分类、目标检测、文本预测。8.根据权利要求5所述的边缘计算方法，其特征在于，所述方法还包括：接收所述边缘设备收集的原始的任务数据，利用所述原始的任务数据构建数据集；利用所述数据集进行通用网络模型的训练；针对每一任务确定任务的模型划分点k，将所述模型划分点k作为任务的配置信息，根据所述任务的配置信息构建任务网络模型；将所述任务的配置信息及所述通用网络模型发送给边缘设备。9.根据权利要求8所述的边缘计算方法，其特征在于，所述针对每一任务确定任务的模型划分点k包括：将任务对应的训练数据输入所述通用网络模型中，逐层获取中间特征，对所述通用网
络模型各层获取的中间特征进行归一化处理，逐层对中间特征计算归一化亮度的部分区间的统计值的加权和，并将计算结果与设定的阈值进行比较，如果计算结果小于所述阈值，则继续根据下一层中间特征进行计算；如果计算结果超过所述阈值，停止计算，记录当前层数k。10.一种边缘计算装置，其特征在于，应用于边缘设备，包括：获取模块，用于获取任务的数据；特征提取模块，用于利用通用网络模型和所述任务的配置信息对所述任务的数据进行特征提取；发送模块，用于将提取的特征数据和所述任务的配置信息发送至云端设备；接收模块，用于接收所述云端设备返回的针对所述任务的数据的预测结果；其中，不同的边缘设备共享所述通用网络模型的参数并保持所述参数固定。11.一种边缘计算装置，其特征在于，应用于云端设备，包括：接收模块，用于接收至少一个边缘设备发送的任务的数据的特征数据及所述任务的配置信息；处理模块，用于根据所述任务的配置信息确定与所述任务对应的任务网络模型；预测模块，用于利用所述任务网络模型根据所述特征数据产生针对所述任务的数据的预测结果；发送模块，用于将所述预测结果发送给所述边缘设备；其中，不同的边缘设备共享所述通用网络模型的参数并保持所述参数固定。12.一种边缘计算装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器执行所述程序时实现如权利要求1-9中任一项所述的边缘计算方法。13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一项所述的边缘计算方法中的步骤。

技术总结
本发明提供了一种边缘计算方法及装置，属于人工智能和边缘计算技术领域。边缘计算方法，由边缘设备执行，包括：获取任务的数据；利用通用网络模型和所述任务的配置信息对所述任务的数据进行特征提取；将提取的特征数据和所述任务的配置信息发送至云端设备；接收所述云端设备返回的针对所述任务的数据的预测结果。本发明的技术方案能够实现端-云协同完成任务的处理。任务的处理。任务的处理。


技术研发人员：马文婷 张志鹏 徐青青 郭勐
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2020.11.30
技术公布日：2022/6/16