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，本书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。

更多科学出版社服务，请扫码获取。