面向边缘智能的联邦学习客户端资源异构方法及系统

本公开涉及资源异构技术领域，提出了一种面向边缘智能的联邦学习客户端资源异构方法及系统，包括如下步骤：根据客户端的本地资源信息以及待训练机器模型的参数，将客户端进行划分为选中客户端和候选客户端；选中客户端采用本地自训练或边端协同训练的方式参与联邦学习；候选客户端采用边端协同训练的方式参与联邦学习；各客户端完成当前边缘联邦学习轮数下的本地模型训练后，边缘服务器获取各客户端提交的模型更新参数，进行模型半异步聚合，得到边缘局部模型。本公开通过边端协同训练和本地自训练的结合，确保了联邦学习的灵活性和高效性。同时，通过边缘服务器对模型更新参数进行半异步聚合，提高了模型训练的可靠性和一致性。