一种基于批次的并行拆分联邦学习方法

本发明公开了一种基于批次的并行拆分联邦学习方法，本发明包括：全局模型划分、本地数据划分批次、计算中间值分组、服务器模型高效并行计算以及客户端模型聚合。该方法将全局模型划分成服务器模型和客户端模型，将客户端数据划分批次，按照数据批次分组，每组都包含所有客户端数据，并且按组分配服务器模型。此外该方法实现服务器集群的并行训练，将服务器模型划分为多个序列，并且将序列分配给服务器集群，服务器间通过调度不同客户端数据来实现并行计算。该方法在不降低精度的同时收敛更快，并且平均每轮均训练时间提速3.5%‑46.5%。