一种基于客户端自知识蒸馏的个性化联邦学习实现方法

本发明公开一种基于客户端自知识蒸馏的个性化联邦学习实现方法。该方法包括：服务端初始化模型并下发给所有客户端；服务端在一个新的通信轮次开始时，向客户端下发全局模型；客户端接收到全局模型后，通过本地聚合模块来更新其本地模型；客户端本地模型参数训练时，通过知识蒸馏将历史个性化模型的知识迁移到当前本地模型中，并动态调整蒸馏损失比重；客户端完成训练后，更新历史个性化模型同时向服务端发送本地模型的参数；服务端根据客户端发送的模型参数加权平均得到新的模型，用于下一个通信轮次的训练；本发明在数据异构的背景下，在不额外增加通信开销的前提下，提高了个性化联邦学习的性能。