基于联邦学习与分层蒸馏的模型训练方法、装置、电子设备及介质
本发明公开了一种基于联邦学习与分层蒸馏的模型训练方法、装置、电子设备及介质,方法包括:分别接收至少一个边缘设备中的各个边缘设备对应的本地模型的模型参数以及环境特征信息;根据环境特征信息确定各个边缘设备对应的本地模型的模型参数的聚合权重;根据聚合权重对至少一个边缘设备对应的本地模型的模型参数进行加权聚合,得到全局模型;将全局模型作为教师模型进行知识蒸馏,得到目标轻量化模型,使目标轻量化模型能够适配边缘设备的算力约束,同时保障其输出的控制动作符合物理规律,提升设备控制的安全性与可靠性。