Personalized Subgraph Federated Learning，FED-PUB,2023,ICML 2023，代码

最新推荐文章于 2025-12-23 21:57:38 发布

原创最新推荐文章于 2025-12-23 21:57:38 发布 · 306 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#图联邦学习 #联邦学习 #论文阅读 #子图联邦学习 #算法

联邦学习同时被 2 个专栏收录

5 篇文章

订阅专栏

图联邦

3 篇文章

订阅专栏

部署运行你感兴趣的模型镜像

论文阅读在这篇文章

data文件夹

图划分算法，没有采用Louvain算法（Blondel et al.， 2008），在Zhang et al. (2021),使用到。而是使用的METIS graph partitioning algorithm(Karypis,1997)

disjoint.py

parser.py

parser.py解析参数

multiprocs.py

multiprocs.py分布式训练的进程管理，
整体流程图：

ParentProcess
  ├── __init__()
  │    ├── 解析 GPU 设置
  │    ├── 创建共享字典 sd
  │    ├── 创建工作进程 (create_workers)
  │    └── 初始化 Server 实例
  └── start()
       ├── 设置初始状态
       ├── 创建路径 (检查点和日志)
       ├── 多轮训练循环
       │    ├── 调用 on_round_begin()
       │    ├── 选择客户端并分配给工作进程
       │    ├── 等待客户端更新 (wait)
       │    └── 调用 on_round_complete()
       ├── 更新 sd 状态以通知工作进程结束
       └── 进程清理

layers.py

定义单层的MaskedGCNConv等

net.py

构建MaskedGCN

server.py

库

metispy

metispy 是一个用于图划分（graph partitioning）的Python库，它是METIS库的Python接口。METIS 是一个用于将图划分成若干个子图的工具，广泛应用于并行计算、网络分析等领域。
安装：pip install metispy
安装建议参考：https://github.com/james77777778/metis_python?tab=readme-ov-file，适用unix.
应用示例：

import metispy as metis
import networkx as nx

# 创建一个示例图
G = nx.karate_club_graph()

# 获取节点和边列表
nodes = list(G.nodes)
edges = list(G.edges)

# 将 NetworkX 图转换为 METIS 所需的格式
node_mapping = {node: idx for idx, node in enumerate(nodes)}
edges_mapped = [(node_mapping[u], node_mapping[v]) for u, v in edges]

# 创建 METIS 图
metis_graph = metis.MetisGraph(len(nodes), edges_mapped)

# 设置划分成的子图数量
num_parts = 4

# 执行图划分
objval, parts = metis.part_graph(metis_graph, nparts=num_parts)

# 打印结果
print(f'Objective value: {objval}')
print(f'Partition labels: {parts}')

# 将划分结果映射回原始节点
partition_mapping = {node: parts[node_mapping[node]] for node in nodes}
print(f'Partition mapping: {partition_mapping}')