如何在Tensorflow Federated中检查客户端模型更新

Question

我最近一直在学习TensorFlow Federated框架，但遇到了一个问题。我想在聚合之前查看发送到中央服务器的经过训练的客户端权重。

例如，在this教程中，我可以访问状态变量：

NUM_ROUNDS = 11
for round_num in range(2, NUM_ROUNDS):
  state, metrics = iterative_process.next(state, federated_train_data)
  print('round {:2d}, metrics={}'.format(round_num, metrics))

状态变量保存中心模型的权重(通过聚合客户端权重创建)。在TensorFlow联邦中聚合之前，有没有办法检查客户端发送的权重？

谢谢，感谢您的帮助。

Answer 1

Federated Learning for Image Classification教程使用tff.learning.build_federated_averaging_process应用程序接口构建训练过程；查看该方法如何聚合的代码，并在此之前插入一些内容。然而！这个方法相当复杂，因为它是由tff.aggregators中的聚合方法参数化的。

要创建替代算法，我建议查看更简单的federated/tensorflow_federated/python/examples/simple_fedavg/实现。特别是，客户端更新的平均值是在Line 131上计算的。在此之前插入电源将是值得关注的地方。

另请参阅问题Collecting the weights returned by clients without aggregating them ，其中还解释了如何避免完全聚合。