基于硬件感知与多维度异构模型聚合的自适应个性化联邦学习方法及装置

本发明公开了一种基于硬件感知与多维度异构模型聚合的自适应个性化联邦学习方法及装置，方法包括下述步骤：测算客户端设备的实际延迟数据，构建设备相关度矩阵，选择代理客户端并执行单代理神经网络搜索策略，获取候选个性化模型集合；客户端从候选个性化模型集合中选择最合适的模型作为本地模型，并使用本地数据集进行训练，训练完成后上传本地模型权重；服务器接收本地模型权重，执行多维度异构模型聚合策略，聚合并更新全局模型。本发明的个性化联邦学习方法及系统，能够有效降低获取个性化模型的时耗和能耗，提升整体资源利用率，同时提高模型的性能和适应性。