1

我已经阅读了 tensorflow-federated 给出的四篇教程。但是，只是简单地提到了tff_core可以用于实现多层网络，没有任何详细说明。在我的实现中，我想设计一个三层网络，其中包含不同大小的客户端子集。我的问题是：

  1. 目前，我只是使用 python 代码来表示子集级别的学习。有什么 API 可以用来替换我的 python 代码吗？

  2. 我对声明客户端数量有点困惑，联邦核心教程的第二部分只是federated_map(local_train, [model, learning_rate, data])用来实现这一点。这是否意味着客户端的数量，在这种情况下，是数据数组中的元素数量？

  3. 除了问题 2，本教程tff.federated_broadcast还用于将模型和学习率传递给所有客户端。如果我有一个三层架构，那tff.federated_broadcast还有意义吗？

  4. 最后，对于二层服务器，我应该把它当作SERVERorCLIENTS吗？

4

1 回答 1

0

TFF 的设计确实支持额外的放置级别，但目前只有两个罐头放置：CLIENTS和SERVER. 此外，一些内在函数仅支持特定的放置更改（例如，tff.federated_broadcast将数据从 移动SERVER到CLIENTS，但不能广播数据从CLIENTS到CLIENTS）。尚未实施对自定义展示位置的支持。

根据多层网络的配置方式，它现在可能仍然可以在 TFF 中表达；尽管由于缺少额外的展示位置标签而有点不清楚。

  1. 目前这必须在 Python 级别完成，尚不支持。
  2. 正确，客户端的数量是数组中元素的数量。TFF 通过客户端持有的数据参数化客户端。为了实现两组客户端，代码可以有两个不同的参数列表（可能具有不同的大小）。
  3. 取决于要达到的目标。答案可能会根据目标是对一组具有不同值的设备进行建模，还是全部保持相同的值而改变。
  4. 可能需要更多信息，答案将取决于如何使用第二层。
于 2019-07-30T16:31:20.943 回答