基于联邦学习的模型训练方法、装置、设备、介质和产品

本申请提供了基于联邦学习的模型训练方法、装置、设备、介质和产品，可以应用于分布式技术领域和人工智能技术领域。该方法包括：中心端将初始模型参数确定为当前模型综合参数，分别发送到N个终端；循环执行以下步骤，直到满足预设训练停止条件：任一终端基于当前模型综合参数，根据本地存储的训练样本集进行训练更新，得到第一模型终端参数；不同终端之间交互参数更新梯度；任一终端综合接收到的其他终端的参数更新梯度，确定综合梯度，并根据所确定的综合梯度，更新自身的第一模型终端参数得到第二模型终端参数；中心端综合多个终端的第二模型终端参数，更新当前模型综合参数，并将更新后的当前模型综合参数分别发送到N个终端。