分布式模型训练方法、装置及电子设备

本发明提供一种分布式模型训练方法、装置及电子设备，涉及人工智能技术领域，方法包括：接收每一分布式计算节点的模型更新信息；基于联邦平均算法，对每一模型更新信息进行加权平均，生成全局模型参数；基于全局模型参数，生成全局模型；将全局模型分别发送至每一分布式计算节点，以使每一分布式计算节点部署全局模型。通过上述方式，各分布式计算节点无需将大量本地数据发送至中央服务器，降低了模型训练过程的数据传输成本和通信延迟，可有效提高模型训练效率，避免了分布式计算节点数据隐私泄露的可能，降低了数据安全风险，可以满足分布式计算节点对本地数据进行隐私保护的需求。