基于动态本地训练和梯度压缩策略的联邦学习方法

本发明公开了一种基于动态本地训练和梯度压缩策略的联邦学习方法。在模型训练时动态调整本地训练策略中终端与中心服务器之间的通信间隔，同时在每次通信时动态调整梯度压缩的量化比特数和稀疏化程度，通过以上方式降低通信开销。本发明能够解决联邦学习中通信开销过大的问题，在降低模型训练过程通信开销的同时，最大化模型可用性。相较于传统的通信节约型联邦学习方法，本发明所提出的方法可以获得更好的性能。