一种基于强化学习的自适应多信道分布式深度学习方法

本发明公开了一种基于强化学习的自适应多信道分布式深度学习方法，称为分层梯度压缩(LGC)，包括如下步骤，建立基于强化学习的自适应多信道分布式深度学习框架；框架内部每个设备计算局部梯度；框架内部的压缩器压缩梯度；通过多个通道将压缩梯度的编码层发送到边缘服务器；服务器接收所有客户端的梯度数据并进行结果计算，而后发送至框架内所有设备；每个设备使用更新后结果数据更新本地模型，利用所提出的基于学习的控制算法评估了LGC的性能，结果表明，与基准方法相比，使用此算法，LGC显着减少了训练时间，提高了资源利用率，同时实现了相似的准确性。