问题标签 [federated-learning]

我正在使用 pysyft 和 pytorch 执行联合学习。我正在使用糖尿病数据集。我在训练时遇到了这个错误（张量的元素 0 不需要 grad 并且没有 grad_fn）。我附上了我的错误的屏幕截图以及笔记本文件：

我的代码：

我的模型：

我想用我的 Tensorflow Federated 代码获得可重现的结果。为此，我实施了一些种子（随机、numpy 和 tensorflow），但它们不会影响 Tensorflow Federated。数据处理步骤都是可重现的，它必须在下面的代码片段中。

我读过 Tensorflow Federated 不提供全局种子功能，我唯一的可能就是保存状态。但我不明白这个论点。有没有人知道可以帮助我或向我解释为什么我不能在 Tensorflow Federated 中使用种子的方法/功能？

感谢每条评论：）感谢您的帮助。

我是联邦学习的新手，我尝试为 HAR 实现 FL 的代码，但我无法理解这一行

我对一些细节部分感到困惑。我正在尝试在 Keras 中构建一个顺序模型，但是当我训练模型时，我收到了这个错误，我该如何解决？请指导我。谢谢你

我是联邦学习的新手，我尝试实现 FL 的图像分类代码，但我无法理解这一行

我对一些细节部分感到困惑。我正在尝试在 Keras 中构建一个顺序模型，但是当我训练模型时，我收到了这个错误，我该如何解决？

请指导我谢谢。

https://colab.research.google.com/github/tensorflow/federated/blob/v0.12.0/docs/tutorials/federated_learning_for_image_classification.ipynb#scrollTo=sk6mjOfycX5N

我正在尝试为我的 csv 数据实现联合学习的 pysyft 代码。我正在关注的教程是这个https://github.com/bt-s/Split-Learning-and-Federated-Learning/blob/master/src/federated_learning.py 他们使用的是 iamge 的火炬库 FMNIST 数据。我很难为我的 csv 数据自定义此代码。

这是我得到的错误

文件“C:/user/python/PCA/federated_learning.py”，第 175 行，在 train_loader = sy.FederatedDataLoader(train_set, transform=data_transformer.federate(workers), train=True, batch_size=args.batch_size, shuffle=True , **kwargs) AttributeError: 'Compose' 对象没有属性 'federate

当我的代码到达这一行时，我的内核继续死亡： model = train_model(diagnosis_title1, input, output1, test_input, test_output1)

这是我正在运行的代码的链接。

请帮忙。

我是联邦学习的新手，我正在尝试开始使用 TensorFlow Federated。在 Colab 上学习“图像分类的联合学习”教程时，我尝试安装 TensorFlow Federated，但遇到了以下错误：

安装这里提到的库的版本后，我发现安装的库仍然存在一些内部冲突。有没有其他人遇到过这个问题？在这方面得到一些指示会很棒！

我是机器学习的新手，正在尝试 Tensorflow 的“图像分类联合学习”代码（https://www.tensorflow.org/federated/tutorials/federated_learning_for_image_classification）。我在 Google Colab 上运行了代码，没有修改任何内容。

以上效果很好。（没有错误）但是当涉及到以下内容时：

我在线上遇到错误import tensorflow_federated as tff：

我已经搜索了类似的解决方案，pip install -U TensorFlow-privacy但没有一个有效。

请帮忙。提前致谢！

我浏览了 CIFAR-100 内置数据集的源代码，并决定为 FairFace 数据集创建一个兼容版本，以便在我将 FairFace 转换为与CIFAR-100。

我确实四处搜索，但找不到 CIFAR-100 SQLite 数据库是如何创建的——特别是图像是如何转换为 BLOB 进行存储的。经过一番反复试验，我尝试这样做：

对训练数据中的每个样本执行此操作，对测试数据执行类似操作。我可以使用这种解码方法加载它：

然而，我注意到，最终的 sqlite.lzma 压缩存档大小为 6.4 GB，而数据集的源存档为 555 MB。我猜测由于我存储图像的方式，如果它们以更兼容的方式存储，压缩效果不会很好。我从 CIFAR-100 代码中看到，图像直接加载为形状为 (32,32,3) 的 FixedLenFeatures，这意味着它们是按原样存储的，但我一直无法找到这样存储我的图像的方法。唯一对我有用的方法是 bytes_feature 路线。

解决此问题的最佳/推荐方法是什么？

我是联邦学习的新手，刚开始了解 TensorFlow Federated TFF 框架。我心中有一些问题，如果有人能澄清它们，我将不胜感激：

1. 联邦平均算法是 TFF 中唯一支持的聚合算法吗？以及它与联邦随机梯度下降有何不同？
2. 剂量联合平均要求每个客户都接受神经网络培训？或者可以使用任何机器学习算法对本地数据进行训练？
3. 我有大数据，我打算将我的数据划分为更小的数据集，并将每个部分模拟为一个客户？这在 TFF 中有效吗？它是否考虑横向或纵向联邦学习？

提前致谢