问题标签 [tensorflow-federated]

这是来自https://www.tensorflow.org/federated/tutorials/federated_learning_for_image_classification的代码片段

该示例是使用联邦学习的图像分类问题。下面的函数是 emnist 数据的预处理函数（大小为 28*28）。任何人都可以帮助理解为什么数据被重塑为 -1 到 784 吗？据我了解，我们将其从二维数组转换为一维数组，因为它更易于处理。但我不确定为什么包含 -1。0 o 784 还不够吗？

我正在尝试使用 tensorflow 提供的联合学习库制作图像字幕模型，但我遇到了这个错误

Input 0 of layer dense is incompatible with the layer: : expected min_ndim=2, found ndim=1.

这是我的 input_spec：

该模型将图像特征作为第一个输入，将词汇列表作为第二个输入，但我无法在 input_spec 变量中表达这一点。我尝试将其表示为列表列表，但它仍然不起作用。接下来我可以尝试什么？

当我想像 emnsit 一样创建 HDF5ClientData 实例时出现此错误。这是我的代码：

我之前在 mynist.hdf5 中添加了一些数据。我不知道为什么会这样。

emnist 的实例

这是我的错误，例如：

我创建了一个DataSet以下 EMNIST。但是当我训练我的模型时，它似乎陷入了无限循环，并且 RAM 很快就会被填满。这是代码。我打印我的数据集和 EMNIST 数据集以进行比较（BAL1是我的数据集）：

结果如下：

这是我BAL1用来替换 EMNIST 的部分：

我的模型可以很好地与 EMNIST 配合使用。但是，如果我将 EMNIST 更改为我的数据集，“Python3 Google 计算引擎”就会变得忙碌。即使等了很长时间，也没有任何计算，所以我不得不打断它。

我正在尝试运行tensorflow-federated在 GPU 上使用的 python 代码。为了设置我的环境，我使用venv. 首先，我安装tensorflow-gpu，然后我的 python 代码可以识别 GPU，我使用tf.test.gpu_device_name(). 但是，一旦我安装tensorflow-fedenerated，我的 python 就停止看到任何 GPU 并开始使用 CPU！我正在使用 Ubuntu 16.04.6 LTS。我尝试了很多不同版本的软件包的组合：

我想在本教程中尝试这种TFF方法，但我发现我无法理解的错误女巫。我使用assign_weight，然后评估我的模型这是我的代码：

错误信息 ：

我在 TFF 中使用创建的数据集时遇到了一个奇怪的问题。我为联邦训练创建了一个数据集，其中我分配了 5 个客户端示例，如下所示：600 600 300 700 300。但是当我在模型中训练它们时，我发现示例的数量是 600 600 600 600 700。我很困惑。然后，我打印了我创建的数据集的进程信息，并查看了数据集的HDF5文件，它们都是600 600 300 700 300。我用这段代码查看了HDF5文件中有多少客户端的示例，结果是 700：

我使用这段代码来实例化数据集并查看客户端中有多少示例：

我使用此代码来实例化第三个客户端的数据集并进行调试：

我在创建数据集时分配了第三个客户端 700 个示例。但是当我迭代这个客户端的数据时，我发现它显示了 600 个示例。tff HDF5 文件也显示 700。

如何使用 TFF 框架进行异步模型训练？

我回顾了迭代训练过程循环，但是我不确定如何知道收到了哪些客户模型。

我正在训练一个 FL 模型。我每个周期选择 5 个客户。我想获得客户和最大数量客户之间的示例差距。服务器能否在这个周期内向其他客户端广播 5 个客户端中的最大示例数？合法吗？

我创建了一个非 IID 数据集，其中我将 60000 个示例（10 个类，每个类有 6000 个示例）划分为 200 个片段，每个片段有 300 个示例。有 100 个客户端，我随机分配 2 个片段给每个客户端。这是一些客户的情况。 部分客户的情况

我使用这个数据集来训练我的 TFF 模型。训练集的准确率约为 0.99，而测试集的准确率仅为 0.5 左右。我尝试了很多次，但没有改变。而且我认为该模型可能过度拟合，因此我添加了两个 dropout 进行测试，但我得到了相同的结果。然后我将 relu() 函数更改为leakyrelu()，并将优化器函数从 SGD 更改为 Adam，但准确度也在 0.5 左右。我不知道为什么。我知道非 IID 会导致准确性下降，而 FedAvg 可以缓解它。TFF 使用 FedAvg 来聚合客户端模型，这意味着我已经使用 FedAvg 作为我的底层结构，对吗？但为什么我的准确率这么低？