0

很高兴看到 tensorflow-federated 现在可以支持分布式训练。我在这里提到了这个例子。但是，似乎训练数据在每个时期都是从服务器发送到客户端的，并且客户端（remote_executor_service）不包含任何数据集。它不同于典型的联邦学习场景。所以我想知道我可以将训练数据分别放在每个客户端上吗？

4

1 回答 1

1

有两点需要注意：

  • 链接的示例（使用 Kubernetes 进行高性能模拟）正在运行联邦学习模拟。目前 TensorFlow Federated 主要用于执行研究模拟。还没有一种方法可以部署到真正的智能手机上。在模拟中，每个客户端数据集在逻辑上是独立的，但可能物理上存在于同一台机器上。

  • 创建一个tf.data.Dataset（例如train_data教程中的定义）可以被认为是创建一个“读取数据的方法”，而不是实际读取数据本身。例如，添加.batch()或.map()调用数据集会返回一个新配方，但实际上并没有具体化任何数据集示例。数据集在调用之前不会被实际读取，或者数据集在循环.reduce()中被迭代。for在教程中，数据集“recipe”被发送给远程工作者；在本地训练期间迭代数据集时，远程读取/物化数据（数据本身不会发送给远程工作人员）。

于 2020-05-10T12:29:33.753 回答