联邦学习 (FL) 中常见的3种模型聚合方法_模型剪枝之后怎么聚合

作者：很楠不爱3 | 2024-03-05 11:33:51

踩

模型剪枝之后怎么聚合

联邦学习 (FL) 中常见的3种模型聚合方法

联合学习 (FL) 是一种出色的 ML 方法，它使多个设备（例如物联网 (IoT) 设备）或计算机能够在模型训练完成时进行协作，而无需共享它们的数据。

“客户端”是 FL 中使用的计算机和设备，它们可以彼此完全分离并且拥有各自不同的数据，这些数据可以应用同不隐私策略，并由不同的组织拥有，并且彼此不能相互访问。

由于数据隐私对于许多应用程序（例如医疗数据）来说是一个大问题，因此 FL 主要用于保护客户的隐私而不与任何其他客户或方共享他们的数据。 FL的客户端与中央服务器共享他们的模型更新以聚合更新后的全局模型。全局模型被发送回客户端，客户端可以使用它进行预测或对本地数据采取其他操作。

数据隐私:适用于敏感或隐私数据应用。

数据分布:训练分布在大量设备或服务器上;模型应该能够泛化到新的数据。

模型聚合:跨不同客户端更新的模型并且聚合生成单一的全局模型，模型的聚合方式如下：

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/很楠不爱3/article/detail/190687