面向异构边缘计算平台的去中心化训练方法

摘要

本发明提供一种面向异构边缘计算平台的去中心化训练方法，包括：步骤1，训练前阶段，聚合数据点生成模块基于数据相似度将本地数据集Xe划分为Me(Me＞1)个子集，并生成每个子集对应的聚合数据点步骤2，迭代训练阶段，gossip训练平衡算法根据每个边缘计算平台的预测性能，计算每个边缘计算平台下一次epoch训练输入数据比例，每个边缘计算平台使本地数据集中与模型精度最相关的数据点最先参与训练。本发明通过平衡了不同边缘计算平台由于硬件和软件异质性导致的训练时间差异，从而降低由于训练时间差异性导致模型同步和收敛的一些额外的延迟损耗。