一种基于联邦迁移学习的模型训练方法、装置及设备

本申请公开了一种基于联邦迁移学习的模型训练方法、装置及设备，包括：接收主计算节点发送的、针对原始数据集进行知识蒸馏处理所获得的训练数据集，训练数据集中包含与原始数据集中各原始数据对应的训练数据，各训练数据分别包括：类别标签、结果标签及原因标签中的任意一种或几种标签；基于原始数据集及训练数据集分别对初始模型进行类别训练、结果训练及原因训练，获得初始类别损失、初始结果损失及初始原因损失；基于初始类别损失、初始结果损失及初始原因损失中的任意一种或几种损失，确定初始总损失，并基于初始总损失对初始模型进行参数调整，获得当前模型，直至满足预定的训练停止条件时，获得目标模型。本申请能提高模型训练的准确度。