光广域网中面向跨域分布式机器学习的自适应参数同步调度方法

本申请涉及广域网技术领域，公开一种光广域网中面向跨域分布式机器学习的自适应参数同步调度方法，该方法首先计算出每个节点的两跳带宽，然后根据两跳带宽的大小排序，分别选择前m个节点作为聚合节点，并分别建立数学模型，再根据松弛和确定性舍入思想分别计算出对应的GMST，然后比较不同m情况下的GMST，最后选择取得最小GMST的m个节点作为聚合节点，并得到对应的路径、速率和链路波长分配策略。本申请同时考虑了广域网网络拓扑的可重构性以及参数聚合运算的快捷简单性，可以根据网络信息和训练任务信息自适应地选择聚合节点的数量和位置，同时决策网络中光纤的波长分配。