一种自动梯度量化的联邦学习框架和方法

摘要

本发明公开了一种自动梯度量化的联邦学习框架和方法。其中，所述框架包括：量化指示器模块、量化策略模块以及量化优化器模块；量化指示器模块用于确定历史模型量化指标和当前模型量化指标的量化指标差值；量化策略模块用于根据量化指标差值和当前模型量化指标来进行量化精度调整；量化优化器模块用于根据结合调整因子的梯度下降算法对模型进行训练，以得到更新后的模型。本实施例的技术方案，通过量化指示器模块、量化策略模块以及量化优化器模块的紧密协作来平衡各个节点每一轮迭代的通信时间，在异构边缘人工智能系统上实现了通信加速并保持模型训练的准确性。