基于模型分割和资源配置的联邦学习训练方法及系统

本申请公开了基于模型分割和资源配置的联邦学习训练方法及系统，涉及数字信息传输技术领域，其中方法包括：建立目标函数；求解目标函数，得到客户端模型分割方案；对客户端分类；对第二类客户端的客户端模型进行分割，得到顶层模型和底层模型；为每个第二类客户端分配计算资源；第一类客户端训练客户端模型，第二类客户端先训练对应的底层模型，然后利用底层模型输出的中间结果对顶层模型进行训练；在训练结束后，对客户端模型的参数以及底层模型和顶层模型的参数进行聚合，得到全局模型。本申请针对边缘环境下资源受限客户端的联邦学习任务，根据客户端计算能力分割模型，并合理分配边缘服务器的计算资源，提高了训练效率。