基于自适应联邦学习的设备选择方法和装置

本发明提供一种基于自适应联邦学习的设备选择方法和装置，其中，方法包括：以当前轮次联邦训练选取的边端设备节点的数量最大化为目标，建模多臂老虎机MAB问题，基于当前轮次联邦训练的预设资源利用率阈值、预设时间阈值和预设设备数量阈值确定约束条件；确定每一边端设备节点的性能参数预测值、下载速率、上传速率、当前本地数据量和本地模型测试精度，提取得到每一边端设备节点的性能特征向量，性能参数预测值包括训练时间预测值和资源利用率预测值；基于每一边端设备节点的性能特征向量，在约束条件下，对MAB问题进行求解，确定当前轮次联邦训练的最优设备选取方案。本发明提高了联邦训练的效率和成功率，降低了算力和通信资源开销。