面向异质性联邦学习的本地模型自适应聚合方法和系统

本发明提供面向异质性联邦学习的本地模型自适应聚合方法和系统，基于中央服务器对全局模型进行训练过程中的全局模型训练特征信息，确定每完成一轮训练的全局模型与中央服务器连接的所有客户端之间的模型分发对映信息，为向不同客户端分发合适的全局模型提供可靠依据；还基于客户端对分发的全局模型进行本地训练的日志，得到本地训练的结果特征信息，以此确定客户端最终训练得到的本地模型，实现对全局模型的异质性训练；还将所有客户端的本地模型上传并聚合成全局模型，再选择全局模型和相应的本地模型按照相应权重结合得到聚合模型，并进行自适应初始化处理，得到与客户端匹配的初始化本地模型，使得训练得到的模型满足异质性联邦学习中不同客户端的需求，提高模型整体精度和可靠性，适应不同客户端的异质性需求。