问题标签 [federated-learning]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - AttributeError:“WebsocketServerWorker”对象没有属性“add_dataset”
当我使用 pysyft 做一些联邦学习任务时,出现错误:
AttributeError:“WebsocketServerWorker”对象没有属性“add_dataset”
错误:
我不知道如何解决它:(
python - 如何保存 TensorFlow 联合模型
如何轻松保存 Tensorflow 联合模型?(状态)
几个月前,我在导入ServerState和FileCheckPointManager后使用了这个解决方案,它起作用了:
但是现在这个解决方案不再有效,因为ServerState不再包含from_tff_result
methotd。
还使用包含方法的旧版本的 ServerState 我得到:
如何轻松保存我的联合模型?
python - PySyft Worker 过拟合
我尝试用 pysyft 训练图像分类(cifar10)。我的 trainsetup 有 10 个工作人员,每个工作人员获得数据集的 800 到 1200 张图像。
我的问题是,在大约 250-300 个 epoch 之后,训练损失大约为 0.005,模型停止改进,尽管测试准确度仅为 45% 左右,损失增加 1.5 -> 8.5。我在 500 张图像上对 100 名工作人员进行了相同的尝试,结果停止在 32%。此外,实现是模型和 FL 框架之间比较的一部分,因此模型不能更改,数据将在本地加载并转换为 Dataloader。因此,我对 Pytorch 和 PySyft 非常缺乏经验,可能是我在训练模型时犯了一些错误,尽管我试图尽可能地接近这个例子。
我在没有 PySyft 的情况下训练了模型,它达到了大约 85%,所以我认为我的数据加载器和模型应该不是问题。对我来说,看起来工人在训练期间过度拟合了他们自己的数据。
有没有办法防止工人过度拟合或计算全局模型而不是工人的损失?
教练:
模型:
主要的:
日志:
dart - 在联合模型中使用飞镖鸽
我正在考虑使用 pigeon 将 dart 包 ( https://pub.dev/packages/sounds ) 转换为联合模型。
梳理这两部分的文档有点稀疏。
查看 video_player 示例(https://github.com/flutter/plugins/tree/master/packages/video_player/video_player_platform_interface)似乎建议使用联合模型,因为 Web 平台是独立的。
然而,android 和 ios 包都是主包的一部分。
这只是一个历史文物还是 ios 和 android 包仍然需要成为主插件的一部分?
如果可以将它们分开,那么正确的包结构是什么?
那么,是否有任何开源插件在完全联合的模型中使用 pigeon 可以用作样本?
python - 在联邦学习中如何选择“数据”和“目标”?(PySyft)
我不明白如何在下面的函数 train() 中选择变量(数据、目标)。
我猜它们是代表数据集训练的 2 个随机图像的 2 个张量,但随后是损失函数
在每次与不同目标的交互时计算?
我也有不同的问题:我用猫的图像训练了网络,然后我用汽车的图像对其进行了测试,达到的准确率为 97%。这怎么可能?是正确的值还是我做错了什么?
这是整个代码:
python - 如何在 Tensorflow Federated 中加载 Fashion MNIST 数据集?
我正在与 Tensorflow 联合开展一个项目。我已经设法使用 TensorFlow Federated Learning 模拟提供的库来加载、训练和测试一些数据集。
例如,我加载了 emnist 数据集
它得到了 load_data() 返回的数据集作为 tff.simulation.ClientData 的实例。这是一个允许我迭代客户端 ID 并允许我选择数据子集进行模拟的界面。
我正在尝试使用 Keras 加载 fashion_mnist 数据集以执行一些联合操作:
但我得到这个错误
因为 Keras 返回一个 Numpy 数组的元组,而不是像以前一样的 tff.simulation.ClientData:
总结一下,
有什么方法可以
tff.simulation.ClientData
从 Keras Tuple Numpy 数组创建元组元素?Another solution that comes to my mind is to use the
tff.simulation.HDF5ClientData
and load manually the appropriate files in aHDF5
format(train.h5, test.h5)
in order to get thetff.simulation.ClientData
, but my problem is that i cant find the url for fashion_mnistHDF5
file format i mean something like that for both train and test:
My final goal is to make the fashion_mnist dataset work with the TensorFlow federated learning.
python - 将 CSV 文件数据转换为联合数据
我正在尝试将我的 CSV 数据集转换为联合数据。请找到我在运行代码时遇到的代码和错误
代码:导入集合
错误: - - - - - - - - - - - - - - - - - - - - - - - - --------------------------
pytorch - 如何解决 pytorch/pylint 错误:torch.tensor 不可调用?
当我在 python 中制作时
出现一个错误,上面写着:'torch.tensor 不可调用'。而且我不知道如何解决它。我有 pytorch 1.4.0 版。
python - RuntimeError: input.size(-1) 必须等于 input_size。预期 200,得到 0 ---- PySyft / PyTorch / Federated Learning
有谁知道这个错误的解决方案?我正在尝试将我的 PyTorch 网络切换到联邦学习网络,但我总是收到此错误。
我在 GPU 上使用 Google Colab 训练。当我打印嵌入的大小时,我得到 0,但我不明白为什么那里不使用数据。
此行中抛出错误:lstm_out, (h,t) = self.lstm(embeds)
python - “tensorflow_federated”没有属性“NamedTupleType”
我正在关注此代码https://github.com/BUAA-BDA/FedShapley/tree/master/TensorflowFL并尝试运行文件 same_OR.py
我还将输入文件“initial_model_parameters.txt”和数据文件夹“MNIST_data”放在同一个文件夹中
我安装了与此命令联合的张量流
这条线也是红色的
当我尝试执行时出现此错误
文件“same_OR.py”,第 94 行,在 BATCH_TYPE = tff.NamedTupleType([ AttributeError: module 'tensorflow_federated' has no attribute 'NamedTupleType'
哪里有问题?有人可以帮忙吗?