一种非独立同分布场景下模型训练、图像分类方法及装置

本申请公开了一种非独立同分布场景下模型训练、图像分类方法及装置，涉及联邦学习技术领域，该方法包括服务器选取预设数量的边缘设备；选中边缘设备基于当前接收到的模型参数赋值进行模型训练，并在训练过程中计算机器学习模型各通道的通道重要性得分，根据通道重要性得分对训练后机器学习模型进行参数稀疏化并上传至服务器；服务器聚合收到的模型参数，应用强化学习算法重新选取边缘设备，并调整上行传输稀疏化比例进行模型参数稀疏化，并将稀疏化参数传输至选中边缘设备。本申请动态的选择每一循环轮次参与的边缘设备，并且调整模型参数稀疏化比例，在双向链路上传输稀疏化参数，减少服务器和边缘设备的通信时间的同时加速模型训练的收敛速度。