一种用于分布式设备协同优化的智能模型训练方法、系统及存储介质

本发明属于联邦学习技术领域，公开了一种用于分布式设备协同优化的智能模型训练方法、系统及存储介质，该算法包括：客户端接收服务端发送的原始模型，完成模型的初始化任务；客户端基于本地数据集对接收到的初始化模型进行本地训练，得到本地训练模型，并计算得出本地训练的各基本参数，生成无记忆的SR1矩阵；服务端随机抽取部分客户端，被选中的客户端上传其本地模型训练参数；更新ADMM方向，更新内部问题；求解变尺度近端映射问题，得到近端方向，解决外部问题；根据得到的近端方向更新全局模型，直至模型训练完成。本发明算法在统计异质性存在的条件下，相较于现有的一阶复合优化算法，具有更快的收敛速度，能够更迅速地达到算法的收敛条件，且具备了渐进收敛性。