公开(公告)号：CN116702883B

公开(公告)日：2024-12-03

申请号：CN202310684834.8

申请日：2023-06-09

Applicant: 北京邮电大学

Inventor： 芦效峰 ,  李颖慧 ,  闫彩虹

IPC: G06N3/098 ,  G06N3/084 ,  G06N3/063

Abstract: 本发明提出一种多服务器加速分割学习模型训练速度的方法，属于分布式深度学习领域；具体为：每个客户端将数据划分为数据1与数据2；客户端a使用其数据1与服务器s1进行训练，并更新模型给客户端b，s1更新其模型；客户端b使用其数据1与s1按上述方法训练，同时，客户端a使用其数据2与服务器s2按上述方法训练；客户端c继续按上述方法训练，同时，客户端b将得到的两个客户端模型聚合，基于此使用其数据2与s2继续训练。持续上述训练过程直至本轮训练结束，之后服务器通过客户端的聚合转发得到全局服务器模型，客户端通过模型转发得到最新模型，用于下一轮训练；直至完成实验设定的训练轮数。本发明加速了训练速度同时保护了模型的隐私。

公开(公告)号：CN116702883A

公开(公告)日：2023-09-05

申请号：CN202310684834.8

申请日：2023-06-09

Applicant: 北京邮电大学

Inventor： 芦效峰 ,  李颖慧 ,  闫彩虹

IPC: G06N3/098 ,  G06N3/084 ,  G06N3/063

Abstract: 本发明提出一种多服务器加速分割学习模型训练速度的方法，属于分布式深度学习领域；具体为：每个客户端将数据划分为数据1与数据2；客户端a使用其数据1与服务器s1进行训练，并更新模型给客户端b，s1更新其模型；客户端b使用其数据1与s1按上述方法训练，同时，客户端a使用其数据2与服务器s2按上述方法训练；客户端c继续按上述方法训练，同时，客户端b将得到的两个客户端模型聚合，基于此使用其数据2与s2继续训练。持续上述训练过程直至本轮训练结束，之后服务器通过客户端的聚合转发得到全局服务器模型，客户端通过模型转发得到最新模型，用于下一轮训练；直至完成实验设定的训练轮数。本发明加速了训练速度同时保护了模型的隐私。