一种高效分层软聚类联邦学习方法及装置、介质

本申请涉及联邦学习技术领域，涉及一种高效分层软聚类联邦学习方法及装置、介质。所述方法包括：云服务器初始化包含L个模型块的全局模型，其中每个模型块包括卷积层或全连接层及其对应的BN层；将所述全局模型发送至各汽车端，各汽车端基于本地数据对模型进行训练；云服务器接收各汽车端上传的模型参数，得到所有汽车端个性化模型每个模型块的scaling_factor参数；根据每个模型块的scaling_factor参数采用模糊C均值聚类算法对模型块进行分层聚类，为每个汽车端生成个性化模型；将所述个性化模型发送至对应的汽车端进行应用。本发明实现汽车端的高效灵活聚类。