[发明专利]一种联邦学习中异质模型融合的优化方法

摘要

本发明公开了一种联邦学习中异质模型融合的优化方法，该方法包括：在联邦学习系统中，客户端上传本地模型，同时上传客户端自身本地迭代次数；服务器根据客户端上传的迭代次数对联邦学习中的异质模型聚合过程进行优化：服务器根据收集到的客户端上传的本地迭代次数，对全局聚合时各个客户端对应的聚合权重进行优化，包括线性权重优化、平方权重优化、差分线性权重优化。所述异质模型是指在联邦学习系统中，由于各个客户端之间计算能力和拥有的数据量大小之间具有差异性，导致本地训练后生成具有异质性的模型；本地迭代次数是指本地客户端在进行本地的模型训练时，在规定的训练时间内共迭代的本地训练的次数。本发明提高了联邦学习系统的学习性能。