问题标签 [tensorflow-federated]

custom_federated_algorithms_2 教程介绍了一个使用tff.federated_computation.

有一条评论说“虽然我们可以完全在 TensorFlow 中实现这个逻辑，但依赖于tf.data.Dataset.reduce......”：

关于此评论：

1. 我没有设法将代码实际转换为 usingtf.data.Dataset.reduce似乎不简单，调试注释真的无济于事
2. 我想知道在这种情况下使用 federated_computation 的动机是什么，我查看了所有指南，并且确实找到了关于这里发生的事情以及我们应该何时使用它的解释。

谢谢！

我已经阅读了 tensorflow-federated 给出的四篇教程。但是，只是简单地提到了tff_core可以用于实现多层网络，没有任何详细说明。在我的实现中，我想设计一个三层网络，其中包含不同大小的客户端子集。我的问题是：

1. 目前，我只是使用 python 代码来表示子集级别的学习。有什么 API 可以用来替换我的 python 代码吗？

2. 我对声明客户端数量有点困惑，联邦核心教程的第二部分只是federated_map(local_train, [model, learning_rate, data])用来实现这一点。这是否意味着客户端的数量，在这种情况下，是数据数组中的元素数量？

3. 除了问题 2，本教程tff.federated_broadcast还用于将模型和学习率传递给所有客户端。如果我有一个三层架构，那tff.federated_broadcast还有意义吗？

4. 最后，对于二层服务器，我应该把它当作SERVERorCLIENTS吗？

我正在尝试使用 TFF 来实现联邦学习。我已经启动了 3 个 EC2 实例并在 conda 环境中设置了 TFF。我试图弄清楚如何使用一些 CSV 文件创建一个联合数据集，然后通过将其中一个作为中央服务器和另外两个作为客户端来开始对这些 EC2 实例进行训练。在 TFF 代码中，我可以看到 tff.CLIENTS 具有 URI 属性，但不确定如何将其映射到 IP/Some-Endpoint 以在客户端和服务器之间进行通信。

我已经在使用提供的当前 TFF 函数中搜索了实现此目的的方法，但找不到任何有关实现此案例的指针。（因为它是放置文字 tff.CLIENT 和 tff.SERVER 目前无论如何都没有通过 API 公开，并计划在未来的版本中使用）

在 tensorflow_federated\python\core\impl\placement_literals.py 内部：

我在https://www.tensorflow.org/federated/federated_learning上阅读了多个指南， 例如图像分类或文本生成示例。

从我读过的内容来看，我看不到如何将 tensorflow 联合学习 (tff) 用于现实世界的应用程序：多个硬件客户端上的数据集。这一切看起来都只是为了模拟联邦学习。

我想在多台机器上使用 tff 而不是只在一台机器上模拟它。如果有人知道 tff 是否可能或找到有关如何操作的指南，我将不胜感激。

谢谢你。

无法使用 TFF 的 build_federated_averaging_process()。遵循 TFF 联合文档中的教程。

这是我的模型代码：

我得到错误：

TypeError: 期望一个可调用的，发现不可调用的 tensorflow_federated.python.learning.model_utils.EnhancedTrainableModel。

我尝试在 Federated Learning for Image Classification 的教程中更改模型（只是和隐藏层）。但结果表明 w1 和 b1 在多次迭代后没有变化并保持初始值 0。在训练中只有 w2 和 b2 是可训练的。这是我的代码：

我还在可训练变量中添加了 w2 和 b2。但似乎他们在训练过程中没有受过训练，我也不知道为什么。有没有人有一些成功的经验来改变这个教程中的模型？

我正在研究 tensorflow-federated API 以使用真正的多台机器进行联合学习。但是我在这个网站上找到了不支持使用多重学习进行真正的多重联邦学习的答案。

有没有办法用真正的多台机器进行联邦学习？

即使我用 2 个客户端 PC 和 1 个服务器 PC 制作了一个用于联邦学习的网络结构，是否不可能使用 tensorflow 联邦 API 组成该系统？

或者即使我应用了代码，我不能制作我想要的系统吗？

如果可以修改代码进行配置，能否给个提示？如果不能，什么时候有实例在真机上配置？

低级功能tff.federated_mean(tff.federated_map(fn, data))将相同的训练功能分配给所有客户端。

有没有办法为客户分配不同的培训功能？

我想知道是否有任何合理的方法可以使用 tff 核心代码为联邦学习模拟生成客户端数据集？在联邦核心的教程中，它使用 MNIST 数据库，每个客户端在他的数据集中只有一个不同的标签。在这种情况下，只有 10 个不同的标签可用。如果我想拥有更多的客户，我该怎么做？提前致谢。

我使用 tensorflow-federated learning api。最近，我将 tensorflow-federated 更新为 0.8.0 版本。然后我运行 federated_learning_for_image_classification.ipynb 文件。state = iterative_process.initialize()但它在“ ”代码行上不起作用。

发生了一些错误，我下一步不能做。

为什么会这样？以前版本的联合 api 0.6.0 运行良好。

您可以参考下面的代码和错误图片。

错误图片-1

错误图片-2