基于参数聚类与模型分解的轻量化联邦学习方法及系统

本发明属于联邦学习技术领域，具体涉及基于参数聚类与模型分解的轻量化联邦学习方法及系统。方法包括：S1，对服务器模型参数以及客户端模型参数进行初始化；S2，在每个客户端上进行模型的本地训练，并保存每轮训练的模型增量；S3，压缩每个客户端的本地模型，同时对模型增量进行编码，编码完成后，每个客户端将编码上传至服务器；S4，服务器对所有上传的编码信息进行解码以及聚合，同时对聚合后的信息再次进行编码，编码完成后服务器将编码下传至所有客户端；S5，每个客户端对服务器下传的编码进行解码，并根据解码的结果更新各自客户端模型参数。本发明具有能够兼顾通信效率与模型性能保持的特点。