更新时间:2021-12-17 GMT+08:00
分享

产品优势

  • 数据不出局

    局点由于数据安全、隐私保护而导致数据不能出本地,形成数据孤岛问题。传统的机器学习无法汇聚完整的训练数据,从而无法训练出较优的模型。

    联邦学习只利用本地数据进行训练,不交换数据本身,而是用加密方式交换更新的模型参数。

  • 模型效果提升

    数据样本在各地分布不均,样本量少的局点,训练得到的AI模型效果较差,AI模型应用的泛化效果没有保障。

    联邦学习利用设备在不同环境的数据进行模型训练,模型汇集更新后再下发至设备,可以提升模型的泛化能力。

  • 模型训练效率提升

    由于边缘计算能力越来越强,分布式训练相对于集中训练,更能提高AI模型生成效率,充分发挥边缘节点的计算资源及计算能力。

    联邦学习利用终端或边缘设备闲置计算能力进行训练,提升模型个性化适配训练效率,不影响核心业务体验。

分享:

    相关文档

    相关产品

close