一种基于模型收敛的联邦学习梯度动态裁剪方法

本发明提供了一种基于模型收敛的联邦学习梯度动态裁剪方法，针对现有的联邦学习梯度裁剪通常采用固定阈值的方法，存在难以适应动态变化、难以找到最优阈值以及缺乏灵活性等弊端，本发明充分考虑模型训练过程中各客户端收敛程度的差异性，采用基于本地模型收敛效果的裁剪阈值动态调整策略，实现对联邦学习客户端梯度裁剪程度的个性化调整，从而有效提高联邦学习模型的收敛效果和性能。