联邦学习中的全局和局部模型训练

Question

当我学习联合学习的时候，我脑海中浮现出一些需要澄清的问题。

1. 我们首先定义了客户端，每个客户端将分为培训集和测试集。利用训练数据对局部模型进行训练。现在，使用什么测试数据？他们用来测试全球模型吗？或者，为了测试每个局部模型？
2. ，在训练全局模型时，我们首先计算出每个局部模型的结果权重，然后将其发送到全局模型。在对本地客户端进行建模时，在发送到全局模型之前是否有对模型本身的有效性检查，还是无论如何都会发送，然后由全局模型更新。

。

有没有解释这些问题的文件？

Answer 1

1. 测试数据用于检查模型的准确性。这对于本地模型和全局模型都是有用的。但是，由于联邦学习的目标是建立一个独特的全局模型，所以我会将测试数据与全局模型一起使用。然而，在将局部模型“融合”到全局模型之前，使用局部模型相对于测试集的精度来赋予局部模型权重的方法有一些。在“受控”联合学习场景中，这有时会被回复为加权FedAvG (联邦平均)
2. ，在发送到主服务器之前，没有理由检查每个本地模型。然而，在现实的场景中，对于安全性有很多需要考虑的事项，因此您可能需要比简单的“有效性检查”

更健壮的东西。