一种基于异构系统的分割联邦学习模型训练方法

本发明公开一种基于异构系统的分割联邦学习模型训练方法，该系统包括多个客户端、一个中心服务器和一个边缘服务器。全局模型基于每个客户端设备条件分割客户端局部模型和服务器局部模型并分别部署到对应客户端和中心服务器。每轮训练中客户端并行训练，将本地数据前向传播输出粉碎数据并传输至中心服务器的服务器局部模型继续前向传播得到损失值，再反向传播梯度以更新服务器局部模型和客户端局部模型的参数。各客户端将更新后的模型传至边缘服务器，边缘服务器和中心服务器完成公共层的参数交换后进行模型聚会，生成全局客户端模型和全局服务器模型。全局客户端模型按每个客户端分割点向客户端分发客户端局部模型。本发明能适应异构设备的设备条件，提高模型训练效率。