预训练模型微调方法、图像分类方法、介质、设备及产品

一种预训练模型微调方法、图像分类方法、介质、设备及产品。方法包括：对第一模型进行训练；确定训练后所得的第一模型在各样本上的样本损失；与每一其他参与方执行第一数据集的混洗和复制秘密共享，以使得各参与方分别获得混洗后所得的第一数据集的两个第一分片；接收模型持有方分发的预训练模型的模型参数的两个第二分片，基于本地的两个第一分片，与每一其他参与方对预训练模型进行多轮迭代微调，每轮迭代微调中，数据持有方基于第二数据集的两个第一分片与每一其他参与方确定RHO最大的K个样本，利用K个样本反向传播更新模型参数。选择有价值且尚未被学习到的样本进行模型微调，提升模型安全微调的效率。该方法可应用于联邦学习。