一种基于通信网络的联邦学习方法、装置

本申请公开了一种基于通信网络的联邦学习方法，包括：在任一节点侧，在该节点的任一待学习神经网络模型的任一轮次训练阶段，当该待学习神经网络模型的模型参数的当前累计更新次数不为第一间隔次数的整数倍以及第二间隔次数的整数倍时，在本节点进行本地训练，当前累计更新次数为第一间隔次数的整数倍且不为第二间隔次数的整数倍时，该节点模型参数进行融合，得到用于表征邻居共识的模型参数，当前累计更新次数为第二间隔次数的整数倍时，该节点获取聚合模型参数，得到用于表征全局聚合的模型参数，基于所得到的模型参数进行下一次更新并累计更新次数，直至当前累计更新次数达到更新次数阈值。本申请提高了神经网络模型的性能。