基于分布式机器学习的分组训练方法、服务器及客户端
发布时间: 2022-04-02
基本信息
本发明公开一种基于分布式机器学习的分组训练方法、服务器及客户端,所述分组训练方法基于客户端的本地优化目标梯度,将训练任务按优化目标拆分到对应的组共识模型中进行训练,减轻了由于隐含子优化目标冲突而导致的训练收敛速度下降,模型性能下降,训练抖动增加等问题,同时,本发明在训练的过程中还对客户端的本地训练数据偏移情况进行监测,当客户端的本地训练数据发生偏移时,更新客户端的分组信息,以使得每一客户端能在优化目标最相似的组模型中进行训练,有效减少了由于训练数据分布不平衡而导致机器学习模型的偏差问题。
评价单位:- (-) 评价时间:2023-07-17