在联邦学习中，模型收敛性是通过跟踪全局模型在连续训练轮次中，在参与客户端上的性能稳定程度来衡量的。 与集中式训练（在单个数据集上评估损失和准确性）不同，联邦学习需要聚合来自分布式客户端的指标，同时尊重数据隐私。 收敛性的主要指标包括全局损失函数的稳定性、来自客户端的模型更新的一致性以及各种本地数据集的性能均匀性。 这些指标有助于确定进一步的训练轮次不太可能显着提高模型性能的时间点。
一种常见的方法是监控每次聚合步骤后，在客户端上平均的全局损失函数。 例如，如果服务器计算来自所有客户端更新的平均损失，并观察到该值趋于稳定（例如，在连续五轮中变化小于 1%），则表明收敛。 此外，开发人员可能会跟踪客户端特定损失的方差，以确保模型不会过度拟合到特定的数据子集。 例如，在联邦图像分类任务中，如果 90% 的客户端报告的损失在 0.2 到 0.25 之间，并且随着时间的推移波动很小，则模型很可能正在收敛。 诸如移动平均或统计检验（例如，损失差异的配对 t 检验）之类的工具可以自动进行此分析。
另一个关键指标是客户端传输的参数更新的大小。 在诸如联邦平均（FedAvg）之类的框架中，服务器聚合来自客户端的模型权重，并且连续全局模型之间的差异可以量化收敛性。 例如，开发人员可能会计算当前全局模型参数与先前全局模型参数之间的欧几里得距离 - 如果该距离缩小到阈值以下（例如，0.001），则可以停止训练。 同样，跟踪跨客户端的参数更新的余弦相似度有助于识别学习方向的一致性。 当客户端具有非 IID 数据时，会出现挑战； 在不均匀分布的患者数据上进行训练的医疗保健应用程序可能会看到不稳定的更新，从而需要自适应阈值或客户端特定的规范化来准确评估收敛性。
最后，在保留的验证数据（如果可用）或客户端报告的本地测试集上评估特定于任务的性能指标，例如准确性或 F1 分数。 例如，当全局词错误率停止在具有代表性的客户端样本中提高时，可以认为联邦语音识别模型已收敛。 在没有集中式验证数据的情况下，客户端指标之间的共识至关重要 - 如果 80% 的客户端在三个轮次中报告的准确度在 2% 的范围内，则模型很可能稳定。 诸如提前停止或基于这些信号动态调整训练轮数之类的技术有助于平衡通信成本和模型质量。