基于匹配的模型卸载边缘联邦学习方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对边缘计算环境下联邦学习中因资源异质性导致的“滞后者”效应等问题，提出基于匹配的模型卸载边缘联邦学习方法（Fed-MBMO）。该方法通过收集边缘设备的性能分析结果，将设备分别划分为强、弱客户端，考虑了模型训练的四个阶段时间占比，弱客户端通过冻结部分模型以节省在特征层上反向传播的时间，并将模型卸载至“强客户端”进行额外的训练，最后将强客户端模型的特征层与弱客户端的全连接层进行模型重构。（剩余25832字）

试读结束

目录
monitor