通过在每一轮中随机选择客户端来模拟 tff 代码，我发现准确率增加到 0.9，然后重复到 0.5，然后从 0.8 到 0.6，依此类推，并没有增加。你有什么想法吗？谢谢！
问问题
72 次
1 回答
0
碰巧这是训练准确率和评估准确率的比较？在联邦学习中，这两者具有与标准集中式机器学习设置不同的解释。
在联邦学习中，训练精度通常很难解释，因为它是客户端本地数据集上客户端本地模型的精度。客户端本地数据集是全局分布的子集，可能具有非常不同的分布。
特别是如果存在大量客户端漂移（在具有较大分布差异的客户端本地数据集上进行许多客户端本地训练步骤），在对单个客户端更新进行平均后，全局模型的进度可能远低于单个客户端的进度圆形的。因此，一轮结束时的评估准确度可能比训练准确度差很多。在“健康”的训练过程中，预计在进行了足够多的轮次后会赶上。
于 2020-05-09T17:09:13.210 回答