改善边缘设备利用效率的异步联邦学习方法、装置及介质

摘要

本发明提供了改善边缘设备利用效率的异步联邦学习方法、装置及介质，其可以减轻服务器中多个线程在全局模型上的数据竞争，改善服务器的并发性能，包括以下步骤：满足模型数据传输条件的边缘设备主动向服务器请求全局模型；若事件对象状态为假，服务器通过分发器组件将全局模型发送给该边缘设备；满足条件的边缘设备通过本地数据训练全局模型得到局部模型；服务器的收集器组件将局部模型入队至队列中；更新器组件从队列中弹出局部模型与影子模型执行聚合操作，并将聚合结果赋值给影子模型，当出队计数值到达设定值，将影子模型的值赋值给全局模型，更新全局迭代次数；持续迭代直到达到设定的全局总迭代次数。