我可以为 federated_tensorflow 中的每个客户端广播不同的模型吗？答案

【问题标题】：Can I broadcast different models for each of the clients in federated_tensorflow?我可以为 federated_tensorflow 中的每个客户端广播不同的模型吗？
【发布时间】：2020-03-03 06:27:48
【问题描述】：

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？

【问题讨论】：

标签： tensorflow-federated

【解决方案1】：

在 TFF 语言中，目前没有办法表达这一点。 tff.federated_broadcast 的约定是到达每个客户端的值是相同的。对于从服务器→客户端移动张量的其他方式，还没有替代的通信内在方式。

也就是说，可以模拟接收不同权重的客户。在 Python 执行环境中设置客户端状态 outside TFF，然后传入一个列表（每个客户端一个元素）。示例：

@tff.tf_computation(MODEL_WEIGHT_TYPE):
def client_work(model_weights):
  # Do local training, or any other logic.


@tff.federated_computation(tff.FederatedType(MODEL_WEIGHT_TYPE, tff.CLIENTS))
def run_one_round(model):
   return tff.federated_map(client_work, model)


client_models = [...]  # a list of each client, possibly different models.
run_one_round(client_models)

【讨论】：