2025年边缘AI网络优化技术考题(含答案与解析).docxVIP

2025年边缘AI网络优化技术考题(含答案与解析)

一、单项选择题（每题3分，共15分）

1.边缘AI场景中，为降低模型推理延迟，对卷积神经网络（CNN）进行量化时，若某层激活值分布呈现明显长尾特性，更适合采用以下哪种量化策略？

A.8位均匀量化

B.混合精度量化（部分层4位，部分层8位）

C.二值化（权重和激活仅取±1）

D.浮点16位量化

答案：B

解析：长尾分布的激活值意味着存在大量离群值，均匀量化（A）会因动态范围过大导致精度损失；二值化（C）仅适用于简单模型且精度下降显著；浮点16位（D）虽保留精度但未有效压缩；混合精度量化（B）可针对长尾层采用更高位宽（如8位）保持精度，其他层用低位宽（如4位）降低计算量，平衡延迟与精度。

2.边缘节点与云端协同计算时，任务卸载决策的核心优化目标通常不包括：

A.边缘节点剩余电量

B.网络传输带宽

C.云端服务器负载率

D.模型参数量大小

答案：D

解析：任务卸载决策需综合考虑边缘设备资源（如电量A）、网络条件（带宽B）、云端资源（负载率C），以最小化整体延迟或能耗。模型参数量（D）是模型固有属性，虽影响计算量，但卸载决策更关注动态变化的实时状态（如当前电量、带宽）而非静态参数。

3.边缘AI网络中，为应对多设备并发请求导致的带宽竞争问题，动态带宽分配算法的关键