تنزيل federated learning - تنزيل رمز مصدر federated learning

federated learning

بايثون

1.0.0

تنزيل

التعلم الفيدرالي

هذا جزئيًا هو استنساخ ورقة التعلم الفعال للشبكات العميقة من البيانات اللامركزية
يتم إنتاج فقط التجارب على MNIST و CIFAR10 (كل من IID وغير IID) إلى حد بعيد.

ملاحظة: ستكون البرامج النصية بطيئة دون تنفيذ الحوسبة المتوازية.

متطلبات

بيثون> = 3.6
Pytorch> = 0.4

يجري

يتم إنتاج نماذج MLP و CNN بواسطة:

Python main_nn.py

يتم إنتاج التعلم الاتحادي مع MLP و CNN بواسطة:

Python main_fed.py

انظر الوسائط في Options.py.

على سبيل المثال:

Python main_fed.py -dataset mnist -iid -num_channels 1 -model cnn -epochs 50 -gpu 0

--all_clients لتوسيط المتوسط على جميع نماذج العميل

NB: بالنسبة لـ CIFAR-10 ، يجب أن يكون num_channels 3.

نتائج

mnist

يتم عرض النتائج في الجدول 1 والجدول 2 ، مع المعلمات C = 0.1 ، B = 10 ، E = 5.

الجدول 1. نتائج تدريب 10 عصر مع معدل التعلم 0.01

نموذج	ACC. من IID	ACC. من غير IID
Fedavg-MLP	94.57 ٪	70.44 ٪
Fedavg-Cnn	96.59 ٪	77.72 ٪

الجدول 2. نتائج تدريب 50 عصر مع معدل التعلم 0.01

نموذج	ACC. من IID	ACC. من غير IID
Fedavg-MLP	97.21 ٪	93.03 ٪
Fedavg-Cnn	98.60 ٪	93.81 ٪

ackonwledgements

شكر وتقدير يعطي youkaichao.

مراجع

مكماهان ، بريندان ، إيدر مور ، دانييل راماج ، سيث هامبسون ، وبليز أغويرا إي أركاس. تعلم التواصل مع الشبكات العميقة من البيانات اللامركزية. في الذكاء الاصطناعي والإحصاء (Aistats) ، 2017.