一种基于通道全局重要性剪枝的联邦学习方法

本发明属于边缘设备场景下的联邦学习剪枝技术领域，公开一种基于通道全局重要性剪枝的联邦学习方法。该方法通过构建超网络与局部通道重要性相结合的全局通道重要性排序机制，实现输入任务局部重要性评价的映射与层间量纲差异的平衡，突破传统预定义剪枝范式的限制。此外，该方法为每个剪枝层引入辅助分类器，增强超网络对当前层重要性的判别能力，并能够自适应地确定各模型层通道的剪枝比例，从而适应当前客户端资源限制，有效地减少通信压力，有效提高子模型准确率。