一种联邦学习模型训练方法、装置、设备及存储介质

本申请公开了一种联邦学习模型训练方法、装置、设备及存储介质，用以快捷准确的对联邦学习模型进行训练。该方法中服务端先与各客户端之间进行第一阶段的联邦学习，获得训练得到的全局模型参数向量；之后，可以针对根据客户端的数据分布特征进行聚类后得到的每个类别的客户端集群，基于该全局模型参数向量，与该类别的客户端集群之间进行第二阶段的联邦学习，得到适合该类别的客户端集群的联邦学习模型，基于此，不仅可以利用到全局所有的客户端的数据，数据量比较充足可以提高模型准确性、泛化能力及鲁棒性的同时，还可以基于每个类别的客户端集群的个性化数据对模型进行个性化调整，提高模型性能，实现快捷准确的对联邦学习模型进行训练的目的。