本研究提出了一种动态梯度稀疏更新方法，旨在解决边缘设备模型训练中的内存限制问题。该方法仅更新重要的通道和层，实验结果表明，更新2%的卷积权重可实现85.77%的准确率，同时内存使用减少98%，显著提升了训练效率。