问题标签 [tensorflow-federated]

我对 tensorflow 比较陌生，我读过一本关于机器学习的书，也参加了 Udacity 的课程。我的任务是使用 tensorflow 提供的联合学习库重新创建本教程https://www.tensorflow.org/tutorials/text/image_captioning中找到的图像字幕模型，到目前为止一切都很简单，我已经设法了解我应该做什么，直到我到达设计模型的部分。在联邦学习教程（https://www.tensorflow.org/federated/tutorials/federated_learning_for_image_classification）中，在设计变量部分时，我应该如何知道权重和偏差的形状？

抱歉，如果这是一个明显的问题，但我已经为形状苦苦挣扎了一段时间，提前谢谢你！:)

编辑：对不起，我忘了把这部分添加到问题中：我应该如何知道我的模型的变量？我知道权重和偏差是模型的基础以及损失和准确性，我知道模型的性能有多好，但是我还需要知道什么吗？

我想使用时间帧长度为 128 的 3 通道（X、Y、Z）加速度计数据集在 TFF（Tensorflow Federated）上使用 FedAvg 算法训练一个联邦模型。

我的目标是使用

TensorFlow Federated 网站上的指南主要处理已经采用模型所需格式的数据集

我对如何将我的原始数据集转换为所需的 TFF 格式非常迷茫。

我正在使用的数据集具有以下形状：

X：是浮点数 Y：是我的数据集的整数标签，范围为 0-6

谁能给我一些关于如何解决这个问题的指示/示例？

我想将使用 FedAvg 算法训练的 TensorFlow 联合模型保存为 Keras/.h5 模型。我找不到这方面的文件，想知道如何做。此外，如果可能的话，我想同时访问聚合服务器模型和客户端模型。

我用来训练联合模型的代码如下：

当我尝试在服务器上加载 Tensorflow 联合库时出现以下错误。我正在使用 tensorflow_federated 版本 0.13.1

我在服务器上的 Cuda 版本是 10.2 。Cudnn 库在 7.6 以上。

被问到的是什么"libnvinfer.so.6"？

我正在尝试使用此链接上提供的示例来试验远程执行器运行时。 https://github.com/tensorflow/federated/blob/master/tensorflow_federated/python/examples/remote_executor_example.py

如果我使用基于 CPU 的张量流，那么一切正常。但是，对于基于 GPU 的张量流，会发生以下错误并中止执行：

我该如何解决这个问题？有没有人遇到过类似的问题？

我正在努力优化联邦学习中的通信成本。因此，我需要模拟真实的网络延迟并测量通信开销（客户端和服务器之间的通信）。可以用 TFF 做到这一点吗？在联邦学习环境中是否存在用于通信的现实网络模型？

我尝试了 tensorflow 联合站点主页上提到的代码....

https://www.tensorflow.org/federated

得到错误：

完整代码：

https://github.com/shantanuo/stack_question/blob/master/tensorflow_federated.ipynb

如何运行示例代码？

我是深度学习和 TFF 的新手。我需要使用 CNN 对来自 EMNIST 的图像进行分类。我在 GitHub 上看到了名为 Federated Learning for Image Classification 的教程。我创建了一个名为 CNN 的网络，然后我使用 forward_pass 函数来实例化一个 cnn 模型来计算预测。但是 TFF 需要将模型变量作为可训练变量传递给 tff.learning.Model。我打印 CNN model.variables。我不知道如何命名，所以我使用 cnn_conv2d_kernel 来表示 cnn/conv2d/kernel。这是我的代码：

打印的model.variables：

我创建的变量是为了将可训练和不可训练变量传递给 tff.learning.Model：

)

我的部分 tff.learning.Model 代码：

请原谅我糟糕的英语并请帮助我。（请）

现在，我有一个新问题：

我想用每轮用户的随机样本来模拟这个联邦学习的代码进行图像分类，本教程使用所有客户端进行训练，实际上，我想以这样的方式修改这段代码，在每一轮随机样本客户被选中。所以我们可以在这段代码中改变什么来强制它随机选择客户端

我正在尝试将 TensorFlow Federated 用于具有 7 个类和 3-5 个客户端的图像分类任务。每个客户端都有不同的标签类别分布。我已经成功地为我的用例实现了本教程，现在正在寻找改进。我有几个问题：

1. 单个客户是否可以根据该客户特有的类别分布在其损失函数中具有不同的类别权重？
2. 如果是这样，人们将如何实现这一点？
3. 如果不是，是不是因为联邦平均过程要求客户端和全局模型共享相同的损失函数？