一种基于调整批量大小与梯度压缩率的联邦学习方法和系统

摘要

本发明公开了一种基于调整批量大小与梯度压缩率的联邦学习方法和系统，用于提高模型训练性能，包括：在联邦学习场景中，多个终端共享上行无线信道资源，基于本地终端的训练数据，与边缘服务器共同完成神经网络模型的训练；在模型训练过程中，终端在本地计算中采用批量的方法计算梯度，在上行传输过程中，传输前需要对梯度进行压缩；根据各终端的计算能力与其所处的信道状态，调整批量大小以及梯度压缩率，以在保证训练时间与不降低模型正确率的同时，提高模型训练的收敛速率。