我在https://colab.research.google.com/github/tensorflow/federated/blob/v0.13.1/docs/tutorials/federated_learning_for_image_classification.ipynb上运行了 tensorflow 联合教程代码。我收到了这个错误

提供的笔记本更新tensorflow_federated到最新版本，因此 tff 版本为 0.14.0。那么在 0.14.0 版本中，我们不再需要喂 dummy batch 了吗？通常的 tff 工作管道是否发生了变化？

PS 降级tensorflow_federated到 0.13.1 版有效。

我目前正在研究 TFF 和图像分类（图像分类的联合学习）emnist。

我正在查看模型学习率和优化器的超参数。网格搜索在这里是个好方法吗？. 在现实世界的场景中，您是否会简单地从整个域中采样客户端/设备，如果是这样，如果我要进行网格搜索，我是否必须首先修复我的客户端示例。在这种情况下进行网格搜索是否有意义。

选择参数的典型现实世界方式是什么，即这更像是一种启发式方法。?

科林。. .

我一直在尝试使用 TF Federated 在图像分类的联邦学习笔记本教程中描述学习过程（准确性和损失）。

通过修改 epoch 超参数，我看到了收敛速度的重大改进。从 5、10、20 等更改 epoch。但我也看到训练准确度的大幅提高。我怀疑正在发生过度拟合，但我评估测试集的准确性仍然很高。

想知道发生了什么。?

我的理解是 epoch 参数控制每轮训练每个客户端的前/后道具的数量。这个对吗 ？因此，即 10 轮训练 10 轮的 10 轮训练将是 10 轮 X 10 客户端 X 10 轮。意识到需要更大范围的客户等，但我希望在测试集上看到更差的准确性。

我能做些什么来看看发生了什么。我可以使用带有学习曲线之类的评估检查来查看是否发生过拟合吗？

test_metrics = evaluation(state.model, federated_test_data) 似乎只给出一个数据点，我怎样才能得到每个验证的测试示例的单独测试准确性？

请我需要帮助！写完我的 TFF 代码后，我想保存我的模型所以我在代码末尾添加了这一行

错误是：

RuntimeError：在另一个循环正在运行时无法运行事件循环

试图在我的本地设置 tensorflow_federated。所有导入版本都是正确的：

CUDA = 10.1,

蟒蛇= 3.6.9，

张量流 = 2.2.0，

tf_federated = 最新

google Colab 中没有发生此错误。但是，当我尝试进行任何联合计算时，会发生在我的本地机器上。我收到运行时错误：RuntimeError：在另一个循环正在运行时无法运行事件循环

我尝试使用 tensorflow_federated 运行一个简单的联合计算。tff.federated_computation() -> 运行后，内核冻结并且无法运行其他单元。

TF-Federated 需要 asyncio 来防止此错误。

我的代码在这里可用。

联邦学习是否为正在训练的模型提供隐私安全？

使用典型的 AI/ML 模型进行验证取决于本地可用的所有数据。将数据拆分为例如 80/20% 拆分、80% 数据用于训练和 20% 用于测试/评估。这种情况不适用于 FL 范式。

使用带有 TFF 的评估函数，您应该在单个客户端级别还是在全局级别进行验证。IE

下一个词预测示例场景：从解决方案开发人员的角度来看，您可能希望评估更多用户的模型准确性，但从单个用户的角度来看，您希望为您的下一个词预测模型执行个人需求。

例子，

您在哪里有一个先前定义的函数 random_clients 从可用客户端的域中随机抽样。？

您是针对单个客户还是针对多个客户进行评估？

1：问题：我需要在 tff 模拟中使用自定义数据集。我建立在 tff/python/research/compression 示例“run_experiment.py”的基础上。错误：

突出显示：TypeError：“TensorSpec”类型的对象没有 len()

2：已尝试：我查看了对以下内容的响应：TensorFlow Federated：如何为具有多个输入的模型编写输入规范， 描述生成自定义输入规范所需的内容。我可能会想念理解输入规范。

如果我不需要这样做，并且有更好的方法，请告诉。

3：来源：

1个问题

我正在通过 tff.learning.build_federated_averaging_process() 生成一个迭代过程。并收到错误：

突出显示：

和

2人试过

1. 在这里查看了另一个类似的问题， 试图使 model_fn 成为 collection.abc 可调用的，model_fn=Callable[[], model_fn] 只会创建一个新错误。

3 一些代码：

• 迭代过程：

  /li>

• 模型生成器：

• 创建模型（良好的衡量标准）