同类推荐
-
-
人工智能导论
-
¥59.80
-
-
人工智能导论
-
¥59.80
-
-
人工智能导论
-
¥59.80
-
-
人工智能基础与应用
-
¥59.80
-
-
人工智能基础与应用
-
¥59.80
-
-
人工智能基础与应用
-
¥59.80
-
-
Hermes Agent开发实战
-
¥69.00
-
-
Hermes Agent开发实战
-
¥69.00
-
-
Hermes Agent开发实战
-
¥69.00
-
-
深入浅出强化学习算法与实战
-
¥99.00
|
|
图书信息
|
|
|
|
端边云协同分布式机器学习优化方法
|
| ISBN： | 9787030847157 |
定价： | ￥98.00 |
| 作者： | 詹玉峰，魏蓝，夏元清著 |
出版社： | 科学出版社 |
| 出版时间： | 2026年02月 |
开本： | 24cm |
| 页数： | 148页 |
中图法： | TP181 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
北京人天书店有限公司
|
9
|
库区4/泰安展厅库/样本4
|
2026-09-12
|
|
其它供货商库存合计
|
202
|
|
2026-09-11
|
图书简介 | | 本书提出自适应训练轮数优化方法，通过自主学习动态分配训练资源，提升模型协同训练效率；针对设备内存在的应用干扰与资源约束，设计了兼顾干扰规避与能耗控制的优化策略，减少任务完成时间与总能耗；面对大模型时代非平衡数据分布导致的泛化能力不足问题，针对大规模分布式微调场景，提出了端边云分层适配器联邦微调等方法，有效提升了不同场景下模型的通用泛化能力，为端边云协同架构下分布式机器学习的实际应用提供了理论支撑与技术参考。 |
|