Update README.md
Mingze Lv authored
c0b2a2d2
Name Last commit Last update
README.md Update README.md
__init__.py source
args_helper.py source
data_utils.py source
experiment_utils.py source
fed_client.py source
fed_server.py source
federated_learning_hybrid.py source
models.py source
share_data.py source
utils.py source
weight_summarizer.py source

Hybrid-FL

简介:

目前混合联邦学习算法未能有效利用共享数据,未能缓解联邦学习中数据异构、设备异构带来的挑战。因此,考虑更有效的共享数据与本地数据协统方案,FedAux借助迁移学习的思想与深度学习浅层、深层理论,将共享数据训练为辅助模型,并将辅助模型的通用知识赋予设备模型,加速传统联邦学习进程,增加全局模型准确率。

主要功能:

该预测器基于Python3.6+环境下的tensorflow及keras开发,参与训练设备数,参与训练设备比例,算法对指定数量设备进行联邦学习过程,迭代更新全局模型与设备本地模型。特别注明,在代码的实现过程中,预测器参考了Hybrid-FL protocol、深度神经网络的特征迁移理论等第三方开源资源。

模型框架示意图:

算法名称
FedAux
算法接口 python fedaux.py --clients --fraction --scenario
输入 FedAux算法,参与训练设备数,参与训练设备比例
输出 全局模型、每个智能体本地模型
依赖库 Python 3.6+、tensorflow、numpy、keras
参考资源 1. Lowe R, Wu Y, Tamar A, et al. Hybrid-FL protocol、深度神经网络的特征迁移理论