tensorflow-federated - 如何为单个联邦学习客户实施班级加权？

Question

我正在尝试将 TensorFlow Federated 用于具有 7 个类和 3-5 个客户端的图像分类任务。每个客户端都有不同的标签类别分布。我已经成功地为我的用例实现了本教程，现在正在寻找改进。我有几个问题：

1. 单个客户是否可以根据该客户特有的类别分布在其损失函数中具有不同的类别权重？
2. 如果是这样，人们将如何实现这一点？
3. 如果不是，是不是因为联邦平均过程要求客户端和全局模型共享相同的损失函数？

Answer 1

如果我理解你的问题，我可以说是的，个别客户可以有不同的班级权重，在这种情况下，我们谈论的是非 iid 数据。假设我们有 7 个标签，每个客户端都有来自 1 或 2 个标签的数据。