yigan_Eins的博客

相比于FedSGD，FedAvg能够在非独立同分布数据上更快收敛，在相同通信轮次下，测试集精度更高。在IID（独立同分布）和non-IID（非独立同分布）两种数据分布下进行实验，评估模型在不同数据分布条件下的收敛性和通信效率。文章提出的方法（FedAvg）经过了四个数据集，五个模型的实验，对于不平衡和non-IID的数据集表现良好，具有鲁棒性。探索异步联邦学习方法，减少同步通信的延迟问题，尤其在网络不稳定时保持模型的有效性。2、通信轮次：客户端与服务器通信的次数，评估联邦学习的通信效率。