问题标签 [federated]

我正计划使用 Tensorflow Federated API 开发一个去中心化的联邦学习模拟环境，这样节点就可以在不受服务器干扰的情况下自行协调获取数据。tff API 上是否有任何功能可以管理特定客户端之间的数据传输？我只看到将数据从服务器移动到客户端（tff.federated_broadcast()）和客户端到服务器（tff.federated_collect()）的函数。

My company has provided me with a federated login to access the AWS Console. I want to setup AWS Toolkit for Visual Studio Code; to work on lambdas. Is it possible to use the federated login to setup and connect AWS Toolkit ? Please advise.

I would like to do an image classification task by Federated Learning. According to [tensorflow tutotial], 1, they download the original NIST dataset and use LEAF to pre-process them. However, in the tutorial, the details are omitted, they just load 'tff.simulation.datasets.emnist' to get eminist_train and emnist_test. Can anyone know the detail from LEAF's outputs (json files) to the accepted train/test datasets? Thanks

这可能不是此类问题的正确平台，请原谅我对 GraphDB 缺乏完整的知识。但是，对此的任何投入都将在许多方面对我们有很大帮助。

我正在研究数据集和场景，以计算单个资源上的任何事件是否会对其他元素造成影响。假设 GraphDB 中的节点和边（关系）概念可以轻松解决这个问题，选择尝试使用 GraphDB 作为数据存储，并使用 GraphQL 开发基于 SpringBoot 的应用程序。在这个阶段，我们开发了少于 10 个节点和最小关系的基于 GraphDB 的模式，并且能够进行基本的 CRUD 操作，结果看起来不错并且能够轻松地查询相关节点。

我们关心的是，当数据模型大小增加时，聚合和过滤如何与 GraphDB 一起工作，就像在报告的场景中一样。类似于 SQL 中的 Join 和 Where 子句。

我一直在关注 Federated GraphQL 上的 Netflix 博客以获取统一模式并尝试实现它。Federated GraphQL 能否解决大型数据节点并由单个微服务维护？随着数据复杂性的增加，可能会出现哪些挑战？请分享任何示例实现，以便我们更好地理解（如果有）。

TIA

我正在开发dart_ping包，虽然它目前被标记为支持 iOS，但它实际上并不支持 iOS。这是由于 pub.dev 检测受支持平台的方式。我在 dart-sdk repo 上提交了一个问题。

尽管如此，我想添加 iOS 支持，同时仍然保留对 dart native 的支持。现在，dart_ping 通过调用主机操作系统的 ping 二进制文件来工作。ping 二进制文件在 Windows、macOS、Linux 和 Android 上可用，但在 iOS 上不可用。

当前在 iOS 上执行 ping 的方法使用本机 Objective-C 代码并通过方法通道或ffi调用它们。由于方法通道是一种颤振功能而不是 dart 功能，因此使用它们需要 dart_ping 依赖于颤振 sdk，这将阻止它在 dart 原生应用程序（可能是服务器端）中使用。

另一方面，Ffi 是一个 dart 原生功能，能够做我想做的事。但是，我似乎无法找到一种方法将用于 ping 的 iOS 框架/库/二进制文件包含在我的 dart_ping 包中，以指示颤振应用程序包含它并将其链接到 iOS 目标/运行器。

有什么方法可以在我的包中保留 dart 原生支持，同时还支持需要额外非 dart 框架的 iOS 边缘情况？即使是联合插件也依赖于颤振 sdk。在我看来，我们需要一个等同于联合插件系统的纯 dart。

TLDR：如何在不依赖于 Flutter sdk 的情况下将预编译的 iOS 框架或二进制文件添加到 dart 包中，并仅在包用于 iOS 时调用它？

当我在我的虚拟环境中 pip install tensorflow_federated 时，它错了错误'Cannot uninstall 'pyasn1''。在此之前，我安装了 tensorflow 2.1 和 conda install keras（可能是最新版本）。接下来我 pip install tensorflow_federated 但它显示错误。

在我的场景中，客户端首先与下层服务器通信以生成 sub_global 模型。编排器还对 sub_global 模型进行平均以构建全局模型。这是因为中央服务器并不总是可用，我想使用分布式服务器。请让我知道是否有任何类似的项目完成。

net::ERR_NAME_NOT_RESOLVED 当浏览器向以下地址发送请求时，我收到此错误❌ ：

https://<my-domain>.us-east-2.amazoncognito.com/oauth2/authorize?redirect_uri=http%3A%2F%2Flocalhost%3A4200%2Fflight&response_type=code&client_id=1qlendigv0c47prue7nr7qu0o6&identity_provider=Google&scope=phone%20email%20openid%20profile%20aws.cognito.signin.user.admin&state=<place-holder>&code_challenge=<place-holder>&code_challenge_method=S256

使用此用户池，电子邮件和密码登录效果很好，但联合登录导致此错误net::ERR_NAME_NOT_RESOLVED。我认为应用程序客户端的域可能存在一些错误

我找不到原因。

我正在尝试使用 AWS Lambda 函数在 Athena 中创建一个外部函数。我能够这样做并使用 Athena 查询编辑器成功查询。代码如下。

但是，我想在此之上创建一个视图，以便我可以像 Tableau 这样的报告工具或任何其他连接到 Athena 的工具中轻松查询它，就像一个表/视图（从 MYVIEW 中选择 *）一样。我似乎没有在 Internet 上找到它的文档或任何示例。

请注意：列 's3_signed_url' 数据是从 Lambda 函数动态生成的，每次执行查询时都会更改。

任何人都可以帮忙吗？

我试图找出如何以联合方式训练 word2vec 模型。

数据将被分成多个部分，例如 4 个“机构”，我想分别根据每个机构的数据训练 word2vec 模型。他们这里的关键限制是来自机构的数据不能移动到另一个位置，因此永远不能以集中的方式进行训练。

我知道可以迭代地训练 word2vec 模型，以便读取来自第一个机构的数据并用于训练和更新 word2vec 模型，但我想知道是否可以在所有四个机构上同时进行，然后，例如，将所有四个 word2vec 模型合并为一个模型。

任何想法或建议表示赞赏