1.一种图像处理方法,其特征在于,应用于目标设备,包括:
2.根据权利要求1所述的方法,其特征在于,所述传输当前轮的所述局部特征矩阵至主设备,包括:
3.根据权利要求2所述的方法,其特征在于,所述将所述第一特征矩阵算子拆分为对称的第一矩阵和第二矩阵,包括:
4.根据权利要求1所述的方法,其特征在于,所述传输当前轮的所述局部特征矩阵至主设备,包括:
5.根据权利要求4所述的方法,其特征在于,所述对当前轮的所述局部特征矩阵进行压缩,得到压缩局部特征矩阵,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述总个数值、所述第一数量、所述随机矩阵对所述第一特征矩阵算子进行压缩,得到压缩第一特征矩阵算子,包括:
7.根据权利要求1所述的方法,其特征在于,所述计算当前轮训练好的所述图像处理子神经网络模型的目标函数的局部特征矩阵,包括:
8.根据权利要求1所述的方法,其特征在于,所述判断是否传输当前轮的所述局部特征矩阵,包括:
9.一种图像处理方法,其特征在于,应用于主设备,包括:
10.根据权利要求9所述的方法,其特征在于,所述基于上一轮的所述局部特征矩阵生成当前轮的所述全局参数,包括:
11.根据权利要求10所述的方法,其特征在于,所述基于所述学习率对所述第二特征矩阵算子进行重构,得到重构特征矩阵算子,包括:
12.根据权利要求9所述的方法,其特征在于,所述接收当前轮的所述局部特征矩阵,包括:
13.根据权利要求12所述的方法,其特征在于,所述第一矩阵包括对所述第一特征矩阵算子进行拆分后得到的上三角矩阵,所述第二矩阵包括对所述第一特征矩阵算子进行拆分后得到的下三角矩阵。
14.根据权利要求9所述的方法,其特征在于,所述接收当前轮的所述局部特征矩阵,包括:
15.根据权利要求14所述的方法,其特征在于,所述压缩局部特征矩阵包括压缩第一特征矩阵算子、第一数量、总个数值和第一和值,所述压缩第一特征矩阵算子包括所述目标计算节点基于所述总个数值、随机矩阵对当前轮的所述局部特征矩阵中的第一特征矩阵算子进行压缩后得到的算子;所述随机矩阵由0和1组成,且所述随机矩阵的维度与所述第一特征矩阵算子的维度一样,所述第一数量为所述随机矩阵中0的数量值;所述总个数值包括所述第一特征矩阵算子中元素的个数值;所述第一和值包括所述第一特征矩阵算子中所有元素的值的和值;
16.根据权利要求15所述的方法,其特征在于,所述基于所述第一数量、所述总个数值对所述压缩第一特征矩阵算子进行解压缩,得到第三特征矩阵算子,包括:
17.根据权利要求16所述的方法,其特征在于,所述基于所述第一和值对所述第三特征矩阵算子进行恢复,得到第四特征矩阵算子,包括:
18.根据权利要求17所述的方法,其特征在于,所述按照所述第四特征矩阵算子的元素的值的和值等于所述第一和值的规则,对所述第三特征矩阵算子中值为0的元素进行恢复,得到所述第四特征矩阵算子,包括:
19.一种图像处理装置,其特征在于,应用于目标设备,包括:
20.一种图像处理装置,其特征在于,应用于主设备,包括:
21.一种图像处理系统,其特征在于,包括主设备和目标数量的目标设备;
22.一种电子设备,其特征在于,包括:
23.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至18任一项所述图像处理方法的步骤。