基于异步通信的分层联邦学习方法、装置、终端设备及存储介质

摘要

本发明提供的基于异步通信的分层联邦学习方法、装置、终端设备及存储介质，涉及无线通信网络技术领域；该方法包括边缘服务器下发的全局模型至所属簇内客户端；客户端利用本地数据对模型进行更新并上传到各所属簇边缘服务器；边缘服务器根据客户端更新上传时间确定更新簇内客户端；边缘服务器对接收到的模型参数进行平均，并根据当前客户端更新次数选择异步上传到中央服务器或直接下发到客户端；中央服务器对边缘服务器上传参数进行加权平均，再下发至客户端训练，直到本地模型收敛或者达到预期标准；本发明能高效执行联邦学习任务，降低联邦学习模型参数所需的通信代价，并动态选择客户端对接的边缘服务器，提高联邦学习整体训练效率。