联邦学习
文章平均质量分 89
bit_100
分布式机器学习,联邦学习
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
【总结】Clustered Sampling 小结
(2条消息) 【论文复现3】算法2——Clustered sampling based on model similarity_admin11111111的博客-优快云博客https://blog.youkuaiyun.com/admin11111111/article/details/121072203#comments_19068693 一、对于梯度的修改 接着上篇的思路,只有在local_learning中对梯度进行修改才算是真正意义上的worker遭受到攻击。于是有下面的代码: def local_l原创 2021-11-29 00:39:25 · 2971 阅读 · 2 评论 -
【论文复现3】算法2——Clustered sampling based on model similarity
【论文代码复现2】Clustered sampling based on sample size_admin11111111的博客-优快云博客https://blog.youkuaiyun.com/admin11111111/article/details/120817883接着上篇的来写。 算法2流程: 1. 根据梯度计算相似性矩阵,相似性用cosine来衡量。 2. 对相似性矩阵进行层次凝聚聚类,cluster之间的距离用ward方式衡量。 3. 根据聚类结果得到新的权重矩阵,(最大的10...原创 2021-11-15 01:01:53 · 1347 阅读 · 8 评论 -
【论文代码复现2】Clustered sampling based on sample size
【论文代码复现】Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Fede_admin11111111的博客-优快云博客https://blog.youkuaiyun.com/admin11111111/article/details/120499243上一篇文章最后留了一个疑惑,经过检验确实是有问题的,那样写逻辑是错误的。并不符合论文中将所有clients都采样的说法。然后在更改了epsil原创 2021-10-18 01:22:01 · 1100 阅读 · 6 评论 -
【论文代码复现】Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Fede
目录 一、前言 二、论文内容概要 1. 论文背景: 2. 已有解决方案 3. 论文方法 三、实验 1. 实验设置 2. 代码 3. 修改后试验结果和论文结果对比: 参考: 一、前言 1. 论文地址: [2105.05883v2] Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Federated Learning (arxiv.org) ...原创 2021-09-27 00:29:22 · 2622 阅读 · 5 评论
分享