本申请涉及人工智能，提供一种基于联邦学习的梯度压缩方法、装置、设备及存储介质，即将待传输梯度数据中梯度值不小于预设梯度阈值的梯度数据作为第一梯度数据；将所述待传输梯度数据中除所述第一梯度数据之外的梯度数据作为第二梯度数据，并根据2比特位压缩策略或4比特位压缩策略将所述第二梯度数据中的每个梯度数据进行压缩；将所述第一梯度数据以及压缩后的第二梯度数据上传至服务器。本发明根据梯度值的大小，筛选出重要度高的第一梯度数据，将重要度高的梯度数据完整上传，并将重要度较低的第二梯度数据按照相应压缩策略进行压缩。在保证模型建模准确性的同时，降低了传输梯度的数据量，提高了梯度传输效率。