基于剪枝和双向量化的动态聚合联邦学习系统

本发明公开一种基于剪枝和双向量化的动态聚合联邦学习系统，包括：一组客户端及一个服务器；客户端将服务器下发的全局量化权重作为局部模型的权重向量，对局部模型进行训练，对训练好的权重向量进行剪枝，并计算对应客户端的贡献值及量化梯度，并上传至服务器；服务器将贡献值作为聚合权重，更新全局模型的全局权重向量，将全局权重向量进行量化，获得全局量化权重，下发至各个客户端，客户端进行下一轮训练，直至全局模型收敛或者达到所需精度。客户端通过剪枝和量化方法构造轻量级局部模型，显著减少了传输的参数量；服务器采用动态权重分配策略，根据客户端的数据规模和相关性优化参数聚合，降低偏差参数所占权重，加快全局模型收敛速率。