一种基于自编码器和残差量化的联邦学习加速方法、系统及装置

本发明公开了一种基于自编码器和残差量化的联邦学习加速方法、系统及装置。中心节点启动联邦学习任务并分发初始全局模型，各参与方节点利用本地数据进行初始训练，此阶段不使用编码器和量化器。与此同时，中心节点并行训练自编码器和残差量化器，将训练完成的自编码器和残差量化器模型分发至各参与方节点，利用自编码器压缩模型参数并通过残差量化技术提升压缩精度，中心节点收集压缩和量化后的参数，利用解码器重构并聚合，更新后的全局模型分发至各节点用于下一轮训练，重复上述过程直至达到预定训练轮次数或模型性能满足要求。本发明通过自编码器和残差量化技术显著减少数据传输量，加速模型训练，提升联邦学习效率和实用性。