问题标签 [tensorflow-federated]

tensorflow-federated 是否支持为不同的模拟设备分配不同的超参数（如批量大小或学习率）？

这是我的模型，我在 TensorFlow 中实现过一次。

我在 TensorFlow Federated 中收到此错误。

我的数据集的标签是一种两个标签[0. 1.]，我用于binary_crossentropy损失函数。但是准确度会恢复错误。我确信它与多个标签有关。当我删除精度时，损失计算没有任何问题。任何帮助将不胜感激。

我想知道是否可以为 tensorflow_federated 中的每个客户端使用不同的权重和偏差。

请帮忙。

当我在没有 TFF 的情况下运行我的代码（使用 model.fit() 训练我的模型）时，我注意到 CPU 的使用率为 5%，而我的代码运行 GPU。但是如果我引入 TFF：除了 GPU，训练需要大量 CPU（90% 的顺序）和大量内存，知道我使用的是：Tensorflow Federated v 0.12.0 Tensorflow v 2.1.0

我想知道我们是否可以从 tensorflow_federated 中的服务器为每个客户端广播不同的模型？

有人可以帮忙吗？

我已经用 VGG16 模型构建了我的代码 TFF。然而，在训练时，我的准确率没有改变，即使在 11 轮之后也保持在 0.5 左右。我试过改变学习率，但没有显着效果。！！！那么，我可以在代码中更改哪些指标和内容以提高准确性，因为当我运行我的代码时，准确性是稳定的并且不会增加！

这是我的 VGG16 的代码

在 TFF 中，需要确定轮数。那么，为了获得我们模型的最佳性能，我们如何知道最佳轮数？

我们都知道，评估步骤对于在测试基础上评估我们的模型非常重要。我想知道在进行评估之前是否需要经过一轮步骤（培训）？这意味着我的代码可以是这样的吗？它是正确的，如下所示？

不经过这一步

这可能并给我正确的结果吗？谢谢大家

在 TFF 中，该变量 state用于评估，如下所示：

test_metrics = evaluation(state.model, federated_test_data)

那么，当我找到性能最好的一个时，我们如何保持这个变量或保存它

运行“ https://github.com/tensorflow/federated/blob/master/tensorflow_federated/python/research/gans/experiments/emnist/run_experiments.py ”时出现以下错误（我正在尝试重新生成论文的结果):

1. 这是我的 anaconda 环境信息的完整列表：conda environment information
2. 我在 Ubuntu 16.04 中使用 Pycharm：IDE
3. 最后但并非最不重要的一点是，我尝试在终端中执行代码，但错误仍然存​​在，所以恐怕问题与 Pycharm IDE 无关。该问题与IDE无关

如果您能给我一些建议，我们将不胜感激。