移动端深度学习推理框架中基于算子融合和内存复用的计算图调度优化算法_移动计算_2026年.docxVIP

PAGE21

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

深度学习模型在手机端落地时，推理引擎普遍面临两个现实矛盾：一是计算图以算子为单位逐个执行，Conv、BN、ReLU这类小粒度算子频繁切换带来大量内核启动与中间张量读写开销；二是各中间张量默认独占内存，生命周期互不重叠的张量无法共享存储，导致内存峰值远超实际必需值。在8GB内存、还要同时跑系统与前台应用的手机上，内存峰