机器学习系统与优化 教案 案例23——第五章 边缘-云协同的分布式深度学习（Edge-Cloud Collaborative Training）.docx

案例23——边缘-云协同的分布式深度学习（Edge-CloudCollaborativeTraining）

在物联网（IoT）和智能城市场景中，海量边缘设备（如摄像头、传感器）产生大量数据，但其计算能力有限。将所有数据上传至云端训练成本高且延迟大。边缘-云协同训练通过在边缘端进行初步特征提取或局部模型更新，云端进行全局聚合与优化，实现低延迟、低带宽的分布式学习。本案例以智能交通系统中的车辆行为识别为例，展示该架构的实现。

1.系统架构

边缘层：部署于路口摄像头的边缘服务器（如NVIDIAJetson），运行轻量级模型（如MobileNet）。

云层：数据中心GPU集群，运行高性能模型（