基于联邦学习的拆分计算无监督头网络个性化方法

研究者提出一种面向拆分计算（SC）的头网络训练方法，利用联邦学习与知识蒸馏，在移动设备端仅用少量非独立同分布（non-IID）且无标签的数据训练头网络，训练数据不出设备。引入个性化后，其精度与现有方法相当或更优；在仅本方法受数据限制的条件下，精度与基线相当，移动设备通信需求降低 95%，精度较原模型仅下降 3-5 个百分点。