车辆数据联邦动态稀疏训练方法、装置、设备及存储介质

本发明公开了一种车辆数据联邦动态稀疏训练方法、装置、设备及存储介质，所述方法通过获取当前车辆的车辆数据在联邦学习个性化模型中的全局模型损失函数，对全局模型损失函数进行最小化，获得最小损失函数；根据通信开销、计算资源使用情况和最小损失函数动态调整联邦学习个性化模型的稀疏性，获得调整后的目标个性化模型；根据客户端选择机制选择参与训练的目标客户端，通过目标客户端对目标个性化模型进行试验，在试验结果达标时，生成最终个性化模型，能够减少通信开销，实现了个性化模型更新，提高了模型在特定客户端上的适应性，充分利用了计算资源，避免了计算资源浪费，提升了模型性能，提高了车辆数据联邦动态稀疏训练的速度和效率。