本發(fā)明提供一種基于深度強化學(xué)習(xí)的邊云協(xié)同優(yōu)化方法，所述方法包括：在離線階段，通過離線訓(xùn)練深度學(xué)習(xí)模型生成帶有多個早退點的多分支網(wǎng)絡(luò)，并獲取云服務(wù)器與終端設(shè)備運行深度學(xué)習(xí)模型中的不同神經(jīng)網(wǎng)絡(luò)層的時延和能耗作為設(shè)備參數(shù)；在優(yōu)化決策階段，將預(yù)先獲取的時延、能耗、準(zhǔn)確率以及帶寬的設(shè)備參數(shù)一起輸入至優(yōu)化器進(jìn)行優(yōu)化，得到深度學(xué)習(xí)模型關(guān)于早退點、分割點以及量化編碼的推理方案；在在線推理階段，邊緣設(shè)備與云服務(wù)器建立連接并運行深度學(xué)習(xí)模型，優(yōu)化器根據(jù)邊緣設(shè)備實時檢測到的帶寬對推理方案進(jìn)行動態(tài)優(yōu)化，并按照優(yōu)化后的推理方案指導(dǎo)邊緣設(shè)備與云服務(wù)器協(xié)同實施。本發(fā)明對于傳輸數(shù)據(jù)的時延、能耗和準(zhǔn)確率能夠有效優(yōu)化。