一种基于压缩感知通信的分层联邦学习训练方法及系统

本发明公开了一种基于压缩感知通信的分层联邦学习训练方法及系统，方法包括：云服务器将全局模型广播给边缘服务器以及参与训练的客户端；客户端使用本地私有数据集训练，使用1‑bit压缩感知技术压缩本地模型更新并上传至边缘服务器；边缘服务器进行边缘聚合并利用BIHT技术重构，使用1‑bit压缩感知技术压缩重构的边缘聚合模型并上传至云服务器；云服务器进行云端聚合并利用BIHT重构技术重构，将更新后的全局模型广播给边缘服务器和客户端进行下一轮训练。本发明通过1‑bit压缩感知技术有效解决分层联邦学习过程中产生大量通信开销的问题并通过BIHT重构方法极大减少了模型量化中引入的噪声，提高了整体训练效率。