横向联邦学习中模型参数验证方法、装置、设备及介质

摘要

本申请公开了一种横向联邦学习中模型参数验证方法、装置、设备及介质，用以解决现有技术存在的由于无法识别无效模型参数，导致模型训练的效率和精确度较低的问题。具体为：通过服务器将各个模型训练设备上报的模型参数下发至除自身的模型训练设备之外的其他模型训练设备进行误差评估，使得服务器可以获得各个模型参数的误差值集合，从而可以根据各个模型参数的误差值集合，筛选出无效模型参数，进而在模型训练过程中，在确定下一个模型训练周期使用的初始模型参数时，可以剔除这些无效模型参数，从而有效地解决了由于无法识别无效模型参数，导致模型训练的效率和精确度较低的问题，提高了模型训练的效率和精确度。