-
公开(公告)号：CN117875453A
公开(公告)日：2024-04-12
申请号：CN202410121394.X
申请日：2024-01-29
Applicant: 东北大学
IPC: G06N20/00
Abstract: 本发明提供一种具有自适应部分训练的客户端异步联邦学习方法，涉及分布式机器学习技术领域。服务器随机选择n个客户端广播全局模型，每个客户端执行一个数据批次的完整模型训练来估计时间消耗并计算损失值，将结果传输给服务器；将客户端时间消耗和损失值归一化，计算各客户端的综合评分，选定评分排名前k的客户端中最大的时间消耗，确定其聚合间隔；根据聚合间隔确定客户端部分训练比和本地训练周期；客户端完成本地训练后将模型参数上传服务器端，服务器将聚合间隔时间内接收到的客户端的模型参数聚合成新的全局模型。重复上述操作，直至全局模型精度达到预设要求。本发明能充分利用计算资源并且保证重要客户端参与度高，加快全局模型聚合。
Search Results
1
records
(took 0.012 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
