面向边缘AI模型推理代码的计算图算子融合与内存优化系统开发_边缘计算 编译优化_2026年.docxVIP

PAGE28

目录

摘要

第一章绪论

1.1课题背景

1.2课题目的与意义

1.3研究方法与论文结构

第二章相关理论与算法综述

2.1算法理论基础概述

2.2备选算法分析与选型

第三章问题建模与需求分析

3.1问题描述与求解场景

3.2功能需求分析

3.3非功能需求与可行性分析

第四章算法总体设计与数据结构设计

4.1算法总体框架设计

4.2数据结构设计

4.3模块划分与接口设计

第五章核心算法详细设计

5.1核心算法流程设计

5.2关键子算法与优化策略设计

5.3算法正确性与复杂度分析

第六章算法实现

6.1开发环境与工程结构

6.2核心功能模块实现

6.3正确性验证与调试

6.4实现中的重点难点与解决方案

第七章实验与结果分析

7.1实验方法与实验环境

7.2实验方案设计

7.3实验结果与分析

第八章总结与展望

8.1工作总结

8.2存在的问题与改进方向

8.3未来展望

8.4结语

摘要

边缘设备上的AI推理长期受限于内存容量与算力：一方面，深度学习模型以数十个细粒度算子组织成计算图，逐算子调度带来可观的框架开销；另一方面，各算子中间张量独立分配内存，导致峰值内存远高于理论必需值。本文围绕这一问题，设计并实现了一个面向边缘AI推理的计算图优化系统，核心工作包括三部分：其一，将推理优化建模为计算图上的融合划分