一种基于联邦学习的异构模型训练方法及系统

本发明提供一种基于联邦学习的异构模型训练方法及系统。该方法包括：每个客户端初始化本地异构模型，并将本地异构模型分割为特征提取器和分类器；服务器初始化一个全局适配器；服务器将全局适配器下发至每个客户端；每个客户端将接收到的全局适配器作为待更新的本地适配器，使用本地数据对待更新的本地适配器、特征提取器和分类器进行训练，生成当前最优的本地适配器、特征提取器和分类器；其中，训练过程中，待更新的本地适配器和特征提取器共用分类器；每个客户端将当前最优的本地适配器上传至服务器；服务器对接收到的所有本地适配器进行聚合以得到更新后的全局适配器，迭代更新全局适配器，直至每个客户端上的本地异构模型达到预设要求。