cocofisher的博客

文章目录项目说明代码实现客户端1、导入需要的库2、为每个客户端制作数据集2.1 导入并处理 MNIST 数据2.2 定义相关变量2.3 为每个客户端制作训练集和测试集3、建立模型3.1 建立服务器模型3.2 建立客户端模型4、定义训练过程5、建立客户端和服务器的连接6、模型训练服务器1、导入需要的库2、建立服务器模型3、接收特征进行训练项目说明在联邦学习（六）：Tensorflow 实现联邦迁移学习一文中，我们已经实现了在一台设备上模拟实现联邦迁移学习，在本文中，我们将仿照联邦学习（五）：Tensorf

项目说明本项目旨在使用 Tensorflow2.0 模拟实现论文 Federated Transfer Learning for Intelligent Fault Diagnostics Using Deep Adversarial Networks with Data Privacy 中所提出的部分方法。方法说明文中使用网络如下图所示（不包含文中所提出的 LpL_pLp​ 损失）：在本文中，客户端共 11 个，包括 10 个源域客户端和 1 个目标域客户端。并且：代码说明1、导入需要的库

项目说明此文章旨在将联邦学习（三）：Tensorflow2.0 实现联邦学习和联邦学习（四）：Python Socket 实现两台电脑之间文件传输这两篇文章中的内容结合起来，实现真正的联邦学习。代码实现客户端客户端的代码和联邦学习（三）：Tensorflow2.0 实现联邦学习中所给出的几乎一致，这里只做简要介绍，只对设计与服务器交互的代码进行详细解释。1、导入需要的库import tensorflow as tffrom tensorflow import kerasfrom keras.

文章目录项目说明实现步骤代码实现服务器1、导入需要的库2、声明协议类型，同时生成 socket 连接对象3、绑定在服务器中需要监听的端口并开始监听4、获得服务器中的图片信息5、客户端上传请求后建立从服务器到客户端的连接实例6、接收数据，明确图片名称7、向客户端上传相关图片信息8、打开相关图片文件，分批次读取字节并下载到客户端客户端1、导入需要的库2、声明协议类型，同时生成 socket 连接对象3、连接服务器的相关端口4、向服务器上传图片名称信息5、接收服务器返回的图片信息6、以二进制格式打开一个文件用于存

文章目录项目说明代码实现1、导入需要的库2、定义相关的类2.1 Data2.2 Aggregator2.3 Model2.4 Bank3、导入并处理原始数据4、联邦学习4.1 划分数据并重采样4.2 模型训练4.2.1 仅使用 Data_Global 训练服务器模型4.2.2 联邦学习训练服务器模型4.3 模型测试5、非联邦学习模型对比5.1 建立模型5.2 模型训练5.2.1 使用不平衡数据训练5.2.2 使用平衡数据训练5.3 非联邦学习模型效果5.4 联邦学习模型效果项目说明数据集：creditc

代码实现1、导入需要的库import collectionsimport numpy as npimport tensorflow as tfimport tensorflow_federated as tffimport nest_asyncionest_asyncio.apply()tff.framework.set_default_context(tff.test.ReferenceExecutor()) # 防止 RuntimeError 问题2、导入并处理数据mnis

文章目录项目介绍代码说明1、导入需要的库2、导入数据集3、处理数据集4、创建模型5、定义初始化模型函数6、定义迭代函数6.1 客户端更新权重函数6.2 服务端更新权重函数6.3 使用 tff.tf_computation 修饰以上两个更新函数6.4 使用 tff.federated_computation 修饰 next_fn() 函数7、将算法封装到 tff.templates.IterativeProcess 中8、处理测试集数据9、测试集准确率9.1 测试函数9.2 模型初始化9.3 模型训练项目介