原创力文档通信高效的联邦学习优化方法研究
摘要
传统的机器学习通常依赖于将客户端的数据收集到中央服务器进行处理和训练。
然而，由于隐私保护、数据安全或法律合规等方面的限制，客户端往往不愿意共享其
本地数据。为了解决这一问题，联邦学习（FederatedLearning,FL）应运而生，它允
许客户端在不共享原始数据的情况下协同训练全局模型。联邦学习通过参数服务器将
全局模型分发给各个客户端，客户端利用本地数据对模型进行训练，并将更新后的模
型参数上传
通信高效的联邦学习优化方法研究
摘要
传统的机器学习通常依赖于将客户端的数据收集到中央服务器进行处理和训练。
然而，由于隐私保护、数据安全或法律合规等方面的限制，客户端往往不愿意共享其
本地数据。为了解决这一问题，联邦学习（FederatedLearning,FL）应运而生，它允
许客户端在不共享原始数据的情况下协同训练全局模型。联邦学习通过参数服务器将
全局模型分发给各个客户端，客户端利用本地数据对模型进行训练，并将更新后的模
型参数上传
文档评论（0）