一种联邦学习中基于模型权值分布的通信压缩方法

摘要

本发明涉及一种联邦学习中基于模型权值分布的通信压缩方法，属于无线通信技术领域。本发明基于联邦学习中已有的联邦平均思想，每次通信时首先统计出节点之间要传输的模型权重信息的分布，然后根据其分布特性，通过Lloyd‑Max量化器进行标量量化压缩，然后使用Huffman编码方法来进行编码，最终发送到目标节点，从而在实现最小均方量化误差的同时减小通信所需的比特数。本发明所设计的通信压缩方法，具有良好的普适性，在保证学习效率的前提下节省了通信开销，具有实用性。