拥有 keras tff NN 模型时访问客户端丢失答案

【问题标题】：Access Clients Loss while having keras tff NN models拥有 keras tff NN 模型时访问客户端丢失
【发布时间】：2019-06-14 15:31:47
【问题描述】：

我试图在没有运气的情况下获得 tensorflow 模型中所有客户的损失。回复how to print local outputs in tensorflow federated? 建议从头开始创建我们的 NN 模型。但是，我已经有了我的 keras NN 模型。那么有没有办法在无需从头开始构建 NN 的情况下仍然可以访问本地客户损失？

我尝试使用 tff.federated_collect()，但不确定这怎么可能。

这部分是我的尝试：

    trainer_Itr_Process = tff.learning.build_federated_averaging_process(model_fn_Federated,server_optimizer_fn=(lambda : tf.keras.optimizers.SGD(learning_rate=learn_rate)),client_weight_fn=None)
    FLstate = trainer_Itr_Process.initialize()

    @tff.learning.Model
    def federated_output_computation():
        return{
            'num_examples': tff.federated_sum(metrics.num_examples),
            'loss': tff.federated_mean(metrics.loss, metrics.num_examples),
            'accuracy': tff.federated_mean(metrics.accuracy, metrics.num_examples),
            'per_client/num_examples': tff.federated_collect(metrics.num_examples),
            'per_client/loss': tff.federated_collect(metrics.loss),
            'per_client/accuracy': tff.federated_collect(metrics.accuracy),
            }

这是我收到的错误：

   @tff.learning.Model
TypeError: object() takes no parameters

【问题讨论】：

标签： tensorflow-federated

【解决方案1】：

tff.learning.Model 不是函数的装饰器，它是tff.learning 模块使用的类接口。

更改tff.learning.Model.federated_output_computation 的实现（how to print local outputs in tensorflow federated? 中推荐的方法）的最佳方法可能是创建您自己的tff.learning.Model 子类，该子类实现不同的federated_output_computation 属性。这将接近于重新实现tff.learning.from_keras_model()，除了提供自定义指标聚合；因此查看实现 (here) 可能很有用，但目前摄取 Keras 模型并非易事。

【讨论】：