本申请涉及一种联邦学习的客户端选择方法、装置和计算机存储介质，所述方法包括：基于所有客户端的上一迭代轮次的损失值和本地数据集大小，确定当前迭代轮次中各客户端的单轮权重系数，根据各客户端的单轮权重系数和上一迭代轮次的历史权重系数，调整当前迭代轮次中各客户端的选择权重；根据当前迭代轮次所处的迭代轮次区间和预设的客户端选择数量阈值，确定当前迭代轮次的客户端选择数量；基于选择权重和客户端选择数量，选取当前迭代轮次的目标客户端。采用本方法解决了现有技术中限制客户端数量减少通信成本造成全局模型性能损失的问题，并将历史权重融入客户端的选取过程，平衡了联邦学习的训练效率和通信成本。