PFLoRA lib
1.0.0
فيما يلي ReadMe محدث لمستودع Pflora-Lib:
الشكل 1: مثال على Fedavg. يمكنك إنشاء سيناريو باستخدام generate_DATA.py وتشغيل خوارزمية باستخدام main.py و clientNAME.py و serverNAME.py .
PFLORA-LIB هي مكتبة خوارزمية سهلة الاستخدام مع منصة تقييم متكاملة لأبحاث التعلم الفيدرالي (FL) ، مع التركيز على التخصيص والكفاءة باستخدام التكيف المنخفض (LORA).
مخطط حورية البحر لعملية لورا-الفيدرالية. سيتضمن هذا الرسم التخطيطي المزيد من الخطوات والمكونات لتمثيل العملية الكاملة بشكل أفضل:
الرسم البياني TD
subgraph "العميل 1"
A1 [مجموعة البيانات المحلية] -> B1 [Train]
B1 -> C1 [محول Lora]
C1 -> D1 [تقييم]
D1 -> E1 [إرسال التحديثات]
نهاية
subgraph "العميل 2"
A2 [مجموعة البيانات المحلية] -> B2 [Train]
B2 -> C2 [محول Lora]
C2 -> D2 [تقييم]
D2 -> E2 [إرسال التحديثات]
نهاية
الرسم الفرعي "العميل ن"
[مجموعة بيانات محلية] -> BN [Train]
BN -> CN [محول Lora]
CN -> DN [تقييم]
DN -> en [إرسال التحديثات]
نهاية
الخريطة الفرعية "الخادم العالمي"
و [تلقي التحديثات]
G [إجمالي محولات لورا]
ح [تحديث النموذج العالمي]
أنا [توزيع النموذج المحدث]
نهاية
e1 -> f
e2 -> f
en -> f
و -> ز
ز -> ح
ح -> أنا
أنا -> | جولة جديدة | B1
أنا -> | جولة جديدة | B2
أنا -> | جولة جديدة | مليار
"مكونات النظام" الفرعية
j [generate_mnist.py]
K [clientlora.py]
L [serverlora.py]
م [main.py]
نهاية
J -> | إنشاء مجموعات البيانات | A1
J -> | إنشاء مجموعات البيانات | A2
J -> | إنشاء مجموعات البيانات | و
K -> | تحديد سلوك العميل | B1
K -> | تحديد سلوك العميل | B2
K -> | تحديد سلوك العميل | مليار
L -> | تحديد سلوك الخادم | و
L -> | تحديد سلوك الخادم | ز
L -> | تحديد سلوك الخادم | ح
L -> | تحديد سلوك الخادم | أنا
M -> | تكوين hyperparameters | ي
M -> | تكوين hyperparameters | ك
M -> | تكوين hyperparameters | ل
يمثل هذا الرسم البياني التفصيلي:
عملاء متعددين (1 و 2 و ن) مع مجموعات البيانات المحلية وعملياتهم:
عمليات الخادم العالمي:
مكونات النظام:
generate_MNIST.py لتوليد مجموعة البياناتclientlora.py لتحديد سلوك العميلserverlora.py لتحديد سلوك الخادمmain.py لتكوين أجهزة بارامترات وتنظيم العمليةتدفق البيانات والتحكم بين هذه المكونات
الطبيعة الدورية لعملية التعلم الفيدرالية ، مع إرسال النموذج المحدث إلى العملاء لجولة جديدة من التدريب
يوفر هذا الرسم التخطيطي رؤية أكثر شمولاً لعملية Lora-Federal ، مما يدل على كل من دورة التعلم الموحدة عالية المستوى والمكونات المحددة المشاركة في تنفيذها مع تعديلات LORA.
conda env create -f env_cuda_latest.yamlgit clone https://github.com/chenxingqiang/PFLoRA-lib.git cd ./system
python main.py -data MNIST -m cnn -algo FedAvg -gr 2000 -did 0
-cdr-tsr-ssr-tth إضافة جديد بسهولة:
إذا كنت تستخدم Pflora-Lib في بحثك ، فيرجى الاستشهاد بالأوراق ذات الصلة:
@inproceedings{zhang2023fedala,
title={Fedala: Adaptive local aggregation for personalized federated learning},
author={Zhang, Jianqing and Hua, Yang and Wang, Hao and Song, Tao and Xue, Zhengui and Ma, Ruhui and Guan, Haibing},
booktitle={Proceedings of the AAAI Conference on Artificial Intelligence},
volume={37},
number={9},
pages={11237--11244},
year={2023}
}
@inproceedings{Zhang2023fedcp,
author = {Zhang, Jianqing and Hua, Yang and Wang, Hao and Song, Tao and Xue, Zhengui and Ma, Ruhui and Guan, Haibing},
title = {FedCP: Separating Feature Information for Personalized Federated Learning via Conditional Policy},
year = {2023},
booktitle = {Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining}
}
@inproceedings{zhang2023gpfl,
title={GPFL: Simultaneously Learning Global and Personalized Feature Information for Personalized Federated Learning},
author={Zhang, Jianqing and Hua, Yang and Wang, Hao and Song, Tao and Xue, Zhengui and Ma, Ruhui and Cao, Jian and Guan, Haibing},
booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
pages={5041--5051},
year={2023}
}
@inproceedings{
zhang2023eliminating,
title={Eliminating Domain Bias for Federated Learning in Representation Space},
author={Jianqing Zhang and Yang Hua and Jian Cao and Hao Wang and Tao Song and Zhengui XUE and Ruhui Ma and Haibing Guan},
booktitle={Thirty-seventh Conference on Neural Information Processing Systems},
year={2023},
url={https://openreview.net/forum?id=nO5i1XdUS0}
}
لمزيد من المعلومات وتعليمات الاستخدام التفصيلية ، يرجى الرجوع إلى الوثائق الكاملة.
