联邦学习中的MODEL_SPEC (使用Tensorflow Federated )

Question

我正在尝试使用联邦代码来构建我自己的联邦学习算法。但我遇到了一个问题。在官方教程中，它定义了模型规范如下：

MODEL_SPEC = collections.OrderedDict(
            filter1 = tf.TensorSpec(shape=weights[0].shape, dtype=tf.float32),
            bias1 = tf.TensorSpec(shape=weights[1].shape, dtype=tf.float32),
            filter2 = tf.TensorSpec(shape=weights[2].shape, dtype=tf.float32),
            bias2 = tf.TensorSpec(shape=weights[3].shape, dtype=tf.float32),
            weight1 = tf.TensorSpec(shape=weights[4].shape, dtype=tf.float32),
            bias3 = tf.TensorSpec(shape=weights[5].shape, dtype=tf.float32)
        )
        MODEL_TYPE = tff.to_type(MODEL_SPEC)

我想知道是否需要将模型作为OrderedDict输入。我可以输入模型作为一个可训练的Keras模型吗？

谢谢!

Answer 1

是的，TFF可以使用使用tf.keras.Model (函数或顺序API，而不是使用tff.learning.from_keras_model方法的子类API)定义的模型。

此方法用于文本生成的联合学习和构建您自己的联合学习算法教程。