一种边缘聚合间隔自适应控制的分层联邦学习方法、计算机设备、存储介质

摘要

本发明公开了一种边缘聚合间隔自适应控制的分层联邦学习方法，包括如下步骤：1)搭建以边缘设备，边缘服务器，云服务器为主要元素的分层联邦学习系统；2)在每个训练周期的起始阶段，云服务器根据当前的训练情况，优化边缘聚合间隔以及当前周期的训练时延预算；3)在训练过程中，边缘设备训练本地模型；并且根据边缘聚合间隔将本地模型发送到边缘服务器进行边缘聚合从而生成边缘模型；在每个周期的结束阶段，边缘服务器将边缘模型上传到云服务器进行全局聚合从而生成全局模型。该发明能够自适应地调整边缘聚合的间隔，在学习性能和训练时延中取得平衡。