训练时延更低
一种分散式主动模型卸载与资源分配方案，允许各终端设备依据本地配置自主决定模型切分层与资源需求，在满足数据泄漏风险约束下降低训练时延。
黄彬彬 · Hailian, Zhao · 74537201 · Wenzhuo, Qian · 殷昱煜 · 邓水光
IEEE Internet of Things Journal 2024
每个终端设备基于本地训练配置自主决定模型切分层和资源需求，无需集中协调器或全局信息。
通过主动优化切分层和资源分配，实验表明相比多个基线算法，DP-MORA 方案有效降低了 DNN 模型训练时延。
在最小化训练时延的同时，确保数据泄漏风险不超过给定阈值，使方案在隐私敏感场景中可行。