联邦学习方法、装置、电子设备及存储介质

本申请提供了一种联邦学习方法、装置、电子设备及存储介质，涉及互联网技术领域。该方法包括：获取N个边缘设备的响应延迟和数据分布；根据N个边缘设备的响应延迟和数据分布，将N个边缘设备分为k个分组；根据任一分组中各个边缘设备上传的聚合模型更新全局模型；根据更新后的全局模型，向任一分组中的边缘设备分发用于下轮训练的全局模型。通过对边缘设备进行分组，并在任一组内的聚合模型上传完毕后，进行一次全局模型的更新的方式，实现了组内同步更新、分组间异步更新和跨组模型聚合。而利用边缘设备的响应延迟进行分组，可有效平衡不同边缘设备间的训练速度，显著缓解了慢节点效应，提升了训练速度和效率。