申请/专利权人:中国科学技术大学
申请日:2024-01-15
公开(公告)日:2024-04-12
公开(公告)号:CN117874790A
主分类号:G06F21/60
分类号:G06F21/60;G06N20/00;G06F21/62;G06N3/063
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于硬件加速卡的联邦学习训练加速方法,在联邦学习训练过程中,首先采用梯度稀疏算法将不重要的梯度置零,再对所有梯度进一步量化;根据联邦学习训练状态动态调整梯度压缩策略,减少同态加密带来的计算和通信开销;基于优化后的同态加密算法,采用并发、协程、异步的方式将同态加密模幂运算卸载到QAT硬件加速卡,并采用事件驱动的机制实现硬件计算结果回收;采用QAT硬件加速卡Huffman编码处理有偏分布数据,进一步降低联邦学习训练过程中的通信开销。该方法实现了基于QAT硬件加速卡的同态加密联邦学习计算和通信开销联合优化,释放了昂贵的CPU通用计算能力,有效利用了硬件资源。
主权项:1.一种基于硬件加速卡的联邦学习训练加速方法,其特征在于,所述方法包括:步骤1、在联邦学习训练过程中,首先采用梯度稀疏算法将不重要的梯度置零,再对所有梯度进一步量化,减少待加密数据量,同时保存梯度稀疏、量化后的梯度压缩误差,在下一轮通信中将梯度压缩误差累加到对应的待发送梯度上,实现梯度压缩的误差反馈调节;步骤2、根据联邦学习训练状态动态调整梯度压缩策略,使模型在确保收敛性和收敛速度的前提下,减少同态加密带来的计算和通信开销;步骤3、基于优化后的同态加密算法,采用协程以并发、异步的方式将同态加密模幂运算卸载到QAT硬件加速卡,并采用事件驱动的机制实现硬件计算结果回收;步骤4、采用QAT硬件加速卡Huffman编码处理有偏分布数据,进一步降低联邦学习训练过程中的通信开销。
全文数据:
权利要求:
百度查询: 中国科学技术大学 一种基于硬件加速卡的联邦学习训练加速方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。