基于预训练的联邦学习工作流构建方法及相关设备

摘要

本申请提供一种基于预训练的联邦学习工作流构建方法及相关设备，所述方法包括：获取本地数据集；根据本地数据集，确定目标训练集，根据目标训练集，确定目标计算任务及预训练模型；发起邀请其他参与方参与请求；响应于拒绝请求，根据目标训练集、目标计算任务、预训练模型，确定第一联邦学习模型；响应于接受请求，获取联盟成员的辅助训练集，根据目标训练集、辅助训练集、目标计算任务、预训练模型，确定第二联邦学习模型。所述方法将目标训练集与预训练模型应用到联邦学习中，来创建联邦学习模型，不受计算资源的限制，低图像输入限制，加速拟合复杂函数，减少模型训练时长，且以最小的通信开销实现全局模型的聚合，从而提高了模型性能。