在資源受限的嵌入式裝置上使用資料集蒸餾和模型大小調整的持續和增量學習方法

提出一種新的增量學習算法,針對資源受限的嵌入式裝置進行優化,通過使用知識蒸餾創建小型蒸餾資料集來解決災難性遺忘的挑戰。該方法的創新之處在於可以動態調整模型大小,使模型的複雜度可以適應任務的需求。這為資源受限環境中的增量學習提供了解決方案,其中模型大小和計算效率是關鍵因素。