一种面向边缘计算的联邦学习方法和系统

摘要

本发明提供一种面向边缘计算的联邦学习方法，包括：处于空闲的所有设备主动向服务器获取当前全局模型，按照预设的优化目标在本地异步执行模型训练，再将训练好的局部模型上传服务器；所述服务器接收任意一个设备上传的模型式，采用加权平均的方法更新全局模型。本发明能够将异步训练与联邦学习进行结合，在本发明的异步联邦优化中，所有空闲设备被用于异步模型训练，服务器使用加权平均来更新全局模型，充分利用了各个边缘设备的空闲时间，使模型训练更加高效。