【发布时间】:2021-12-04 08:36:36
【问题描述】:
我正在尝试以 simple_fedavg 为例来了解 Tensorflow Federated 的工作原理。
例如,我仍然不明白如何更改客户端向服务器发送的内容。
我不想发送更新的所有权重,我想发送这样形成的列表:
test[index] = test_stc.stc_compression(test[index], sparsification_rate)
test_stc.stc_compression(test[index], sparsification_rate) 返回 5 个值:negatives, positives, average, original_shape, new_shape,然后我想在运行 round_model_delta = tff.federated_mean(client_outputs.weights_delta, weight=weight_denom) 之前访问服务器端的这些信息,以创建我将用于 tff.federated_mean 的权重。
所以,基本上,我想更改client_update 以发送我创建的列表而不是所有权重,然后在服务器上使用客户端发送的信息创建自定义权重列表。只有在创建新的自定义重量列表后,我才希望服务器更新模型。
我实际上试图更改client_update 的return ClientOutput(test, client_weight, loss_sum / client_weight),但是我不知道如何访问服务器上的test 变量以及我需要在哪个过程/函数中执行它。
由于我的主要语言不是英语,因此我希望我已经足够清楚了。
【问题讨论】:
标签: python tensorflow tensorflow-federated federated-learning