张量流联合训练和评估期间的 MSE 误差不同
MSE error different during training and evaluation in tensorflow federated
我正在 tensorflow federated 中实现回归模型。我从本教程中用于 keras 的一个简单模型开始：https://www.tensorflow.org/tutorials/keras/regression
我更改了模型以使用联邦学习。这是我的模型：
import pandas as pd
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import tensorflow_federated as tff
dataset_path = keras.utils.get_file("auto-mpg.data", "http://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data")
column_names = ['MPG','Cylinders','Displacement','Horsepower','Weight',
'Acceleration', 'Model Year', 'Origin']
raw_dataset = pd.read_csv(dataset_path, names=column_names,
na_values = "?", comment='\t',
sep=" ", skipinitialspace=True)
df = raw_dataset.copy()
df = df.dropna()
dfs = [x for _, x in df.groupby('Origin')]
datasets = []
targets = []
for dataframe in dfs:
target = dataframe.pop('MPG')
from sklearn.preprocessing import StandardScaler
standard_scaler_x = StandardScaler(with_mean=True, with_std=True)
normalized_values = standard_scaler_x.fit_transform(dataframe.values)
dataset = tf.data.Dataset.from_tensor_slices(({ 'x': normalized_values, 'y': target.values}))
train_dataset = dataset.shuffle(len(dataframe)).repeat(10).batch(20)
test_dataset = dataset.shuffle(len(dataframe)).batch(1)
datasets.append(train_dataset)
def build_model():
model = keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[7]),
layers.Dense(64, activation='relu'),
layers.Dense(1)
])
return model
dataset_path
import collections
model = build_model()
sample_batch = tf.nest.map_structure(
lambda x: x.numpy(), iter(datasets[0]).next())
def loss_fn_Federated(y_true, y_pred):
return tf.reduce_mean(tf.keras.losses.MSE(y_true, y_pred))
def create_tff_model():
keras_model_clone = tf.keras.models.clone_model(model)
# adam = keras.optimizers.Adam()
adam = tf.keras.optimizers.SGD(0.002)
keras_model_clone.compile(optimizer=adam, loss='mse', metrics=[tf.keras.metrics.MeanSquaredError()])
return tff.learning.from_compiled_keras_model(keras_model_clone, sample_batch)
print("Create averaging process")
# This command builds all the TensorFlow graphs and serializes them:
iterative_process = tff.learning.build_federated_averaging_process(model_fn=create_tff_model)
print("Initzialize averaging process")
state = iterative_process.initialize()
print("Start iterations")
for _ in range(10):
state, metrics = iterative_process.next(state, datasets)
print('metrics={}'.format(metrics))
Start iterations
metrics=<mean_squared_error=95.8644027709961,loss=96.28633880615234>
metrics=<mean_squared_error=9.511247634887695,loss=9.522096633911133>
metrics=<mean_squared_error=8.26853084564209,loss=8.277074813842773>
metrics=<mean_squared_error=7.975323677062988,loss=7.9771647453308105>
metrics=<mean_squared_error=7.618809700012207,loss=7.644164562225342>
metrics=<mean_squared_error=7.347906112670898,loss=7.340310096740723>
metrics=<mean_squared_error=7.210267543792725,loss=7.210223197937012>
metrics=<mean_squared_error=7.045553207397461,loss=7.045469760894775>
metrics=<mean_squared_error=6.861278533935547,loss=6.878870487213135>
metrics=<mean_squared_error=6.80275297164917,loss=6.817670822143555>
evaluation = tff.learning.build_federated_evaluation(model_fn=create_tff_model)
test_metrics = evaluation(state.model, datasets)
print(test_metrics)
<mean_squared_error=27.308320999145508,loss=27.19877052307129>
我很困惑为什么训练集在 10 次迭代后的评估 mse 更高，而迭代过程 returns mse 小得多。我在这里做错了什么？ tensorflow中fml的实现是不是隐藏了什么东西？有人可以给我解释一下吗？
您实际上在联邦学习中发现了一个非常有趣的现象。特别是，这里需要问的问题是：training metrics 是如何计算的？
通常在本地训练期间计算训练指标；因此，它们是在客户端拟合其本地数据时计算的；在 TFF 中，它们是在执行每个本地步骤之前计算的——这发生在前向传递调用期间 here。如果您想象这种极端情况，即仅在每个客户端的一轮训练的 结束 计算指标，您会清楚地看到一件事——客户端报告的指标代表它与他的本地数据的匹配程度。
然而，联邦学习必须在每轮训练结束时生成一个单一的全局模型——在联邦平均中，这些局部模型在参数 space 中 一起平均。在一般情况下，不清楚如何直观地解释这样的步骤——参数 space 中非线性模型的平均值不会给你一个平均预测或类似的东西。
联合评估采用这个平均模型，并在每个客户端上运行本地评估，根本不拟合本地数据。因此，如果您所处的情况是您的客户端数据集具有完全不同的分布，您应该期望从联合评估返回的指标与从一轮联合训练返回的指标完全不同——联合平均报告收集的指标 在适应本地数据的过程中，而联合评估报告收集的指标在对所有这些本地训练的模型进行平均后。
确实，如果您交替调用迭代过程的 next 函数和求值函数，您将看到如下模式：
train metrics=<mean_squared_error=88.22489929199219,loss=88.6319351196289>
eval metrics=<mean_squared_error=33.69473648071289,loss=33.55160140991211>
train metrics=<mean_squared_error=8.873666763305664,loss=8.882776260375977>
eval metrics=<mean_squared_error=29.235883712768555,loss=29.13833236694336>
train metrics=<mean_squared_error=7.932246208190918,loss=7.918393611907959>
eval metrics=<mean_squared_error=27.9038028717041,loss=27.866817474365234>
train metrics=<mean_squared_error=7.573018550872803,loss=7.576478958129883>
eval metrics=<mean_squared_error=27.600923538208008,loss=27.561887741088867>
train metrics=<mean_squared_error=7.228050708770752,loss=7.224897861480713>
eval metrics=<mean_squared_error=27.46322250366211,loss=27.36537742614746>
train metrics=<mean_squared_error=7.049572944641113,loss=7.03688907623291>
eval metrics=<mean_squared_error=26.755760192871094,loss=26.719152450561523>
train metrics=<mean_squared_error=6.983217716217041,loss=6.954374313354492>
eval metrics=<mean_squared_error=26.756895065307617,loss=26.647253036499023>
train metrics=<mean_squared_error=6.909178256988525,loss=6.923810005187988>
eval metrics=<mean_squared_error=27.047882080078125,loss=26.86684799194336>
train metrics=<mean_squared_error=6.8190460205078125,loss=6.79202938079834>
eval metrics=<mean_squared_error=26.209386825561523,loss=26.10053062438965>
train metrics=<mean_squared_error=6.7200140953063965,loss=6.737307071685791>
eval metrics=<mean_squared_error=26.682661056518555,loss=26.64984703063965>
也就是说，您的联合评估也在下降，只是比您的训练指标慢得多——有效地衡量了客户数据集中的变化。您可以通过 运行:
验证这一点
eval_metrics = evaluation(state.model, [datasets[0]])
print('eval metrics on 0th dataset={}'.format(eval_metrics))
eval_metrics = evaluation(state.model, [datasets[1]])
print('eval metrics on 1st dataset={}'.format(eval_metrics))
eval_metrics = evaluation(state.model, [datasets[2]])
print('eval metrics on 2nd dataset={}'.format(eval_metrics))
你会看到类似
的结果
eval metrics on 0th dataset=<mean_squared_error=9.426984786987305,loss=9.431192398071289>
eval metrics on 1st dataset=<mean_squared_error=34.96992111206055,loss=34.96992492675781>
eval metrics on 2nd dataset=<mean_squared_error=72.94075775146484,loss=72.88787841796875>
因此您可以看到您的平均模型在这三个数据集上的表现截然不同。
最后一点：您可能会注意到 evaluate 函数的最终结果是 而不是 三个损失的平均值——这是因为 evaluate 函数将是 example-weighted，而不是 client-weighted——也就是说，具有更多数据的客户端在平均值中获得更多权重。
希望对您有所帮助！
我正在 tensorflow federated 中实现回归模型。我从本教程中用于 keras 的一个简单模型开始：https://www.tensorflow.org/tutorials/keras/regression
我更改了模型以使用联邦学习。这是我的模型：
import pandas as pd
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import tensorflow_federated as tff
dataset_path = keras.utils.get_file("auto-mpg.data", "http://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data")
column_names = ['MPG','Cylinders','Displacement','Horsepower','Weight',
'Acceleration', 'Model Year', 'Origin']
raw_dataset = pd.read_csv(dataset_path, names=column_names,
na_values = "?", comment='\t',
sep=" ", skipinitialspace=True)
df = raw_dataset.copy()
df = df.dropna()
dfs = [x for _, x in df.groupby('Origin')]
datasets = []
targets = []
for dataframe in dfs:
target = dataframe.pop('MPG')
from sklearn.preprocessing import StandardScaler
standard_scaler_x = StandardScaler(with_mean=True, with_std=True)
normalized_values = standard_scaler_x.fit_transform(dataframe.values)
dataset = tf.data.Dataset.from_tensor_slices(({ 'x': normalized_values, 'y': target.values}))
train_dataset = dataset.shuffle(len(dataframe)).repeat(10).batch(20)
test_dataset = dataset.shuffle(len(dataframe)).batch(1)
datasets.append(train_dataset)
def build_model():
model = keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[7]),
layers.Dense(64, activation='relu'),
layers.Dense(1)
])
return model
dataset_path
import collections
model = build_model()
sample_batch = tf.nest.map_structure(
lambda x: x.numpy(), iter(datasets[0]).next())
def loss_fn_Federated(y_true, y_pred):
return tf.reduce_mean(tf.keras.losses.MSE(y_true, y_pred))
def create_tff_model():
keras_model_clone = tf.keras.models.clone_model(model)
# adam = keras.optimizers.Adam()
adam = tf.keras.optimizers.SGD(0.002)
keras_model_clone.compile(optimizer=adam, loss='mse', metrics=[tf.keras.metrics.MeanSquaredError()])
return tff.learning.from_compiled_keras_model(keras_model_clone, sample_batch)
print("Create averaging process")
# This command builds all the TensorFlow graphs and serializes them:
iterative_process = tff.learning.build_federated_averaging_process(model_fn=create_tff_model)
print("Initzialize averaging process")
state = iterative_process.initialize()
print("Start iterations")
for _ in range(10):
state, metrics = iterative_process.next(state, datasets)
print('metrics={}'.format(metrics))
Start iterations
metrics=<mean_squared_error=95.8644027709961,loss=96.28633880615234>
metrics=<mean_squared_error=9.511247634887695,loss=9.522096633911133>
metrics=<mean_squared_error=8.26853084564209,loss=8.277074813842773>
metrics=<mean_squared_error=7.975323677062988,loss=7.9771647453308105>
metrics=<mean_squared_error=7.618809700012207,loss=7.644164562225342>
metrics=<mean_squared_error=7.347906112670898,loss=7.340310096740723>
metrics=<mean_squared_error=7.210267543792725,loss=7.210223197937012>
metrics=<mean_squared_error=7.045553207397461,loss=7.045469760894775>
metrics=<mean_squared_error=6.861278533935547,loss=6.878870487213135>
metrics=<mean_squared_error=6.80275297164917,loss=6.817670822143555>
evaluation = tff.learning.build_federated_evaluation(model_fn=create_tff_model)
test_metrics = evaluation(state.model, datasets)
print(test_metrics)
<mean_squared_error=27.308320999145508,loss=27.19877052307129>
我很困惑为什么训练集在 10 次迭代后的评估 mse 更高，而迭代过程 returns mse 小得多。我在这里做错了什么？ tensorflow中fml的实现是不是隐藏了什么东西？有人可以给我解释一下吗？
您实际上在联邦学习中发现了一个非常有趣的现象。特别是，这里需要问的问题是：training metrics 是如何计算的？
通常在本地训练期间计算训练指标；因此，它们是在客户端拟合其本地数据时计算的；在 TFF 中，它们是在执行每个本地步骤之前计算的——这发生在前向传递调用期间 here。如果您想象这种极端情况，即仅在每个客户端的一轮训练的 结束 计算指标，您会清楚地看到一件事——客户端报告的指标代表它与他的本地数据的匹配程度。
然而，联邦学习必须在每轮训练结束时生成一个单一的全局模型——在联邦平均中，这些局部模型在参数 space 中 一起平均。在一般情况下，不清楚如何直观地解释这样的步骤——参数 space 中非线性模型的平均值不会给你一个平均预测或类似的东西。
联合评估采用这个平均模型，并在每个客户端上运行本地评估，根本不拟合本地数据。因此，如果您所处的情况是您的客户端数据集具有完全不同的分布，您应该期望从联合评估返回的指标与从一轮联合训练返回的指标完全不同——联合平均报告收集的指标 在适应本地数据的过程中，而联合评估报告收集的指标在对所有这些本地训练的模型进行平均后。
确实，如果您交替调用迭代过程的 next 函数和求值函数，您将看到如下模式：
train metrics=<mean_squared_error=88.22489929199219,loss=88.6319351196289>
eval metrics=<mean_squared_error=33.69473648071289,loss=33.55160140991211>
train metrics=<mean_squared_error=8.873666763305664,loss=8.882776260375977>
eval metrics=<mean_squared_error=29.235883712768555,loss=29.13833236694336>
train metrics=<mean_squared_error=7.932246208190918,loss=7.918393611907959>
eval metrics=<mean_squared_error=27.9038028717041,loss=27.866817474365234>
train metrics=<mean_squared_error=7.573018550872803,loss=7.576478958129883>
eval metrics=<mean_squared_error=27.600923538208008,loss=27.561887741088867>
train metrics=<mean_squared_error=7.228050708770752,loss=7.224897861480713>
eval metrics=<mean_squared_error=27.46322250366211,loss=27.36537742614746>
train metrics=<mean_squared_error=7.049572944641113,loss=7.03688907623291>
eval metrics=<mean_squared_error=26.755760192871094,loss=26.719152450561523>
train metrics=<mean_squared_error=6.983217716217041,loss=6.954374313354492>
eval metrics=<mean_squared_error=26.756895065307617,loss=26.647253036499023>
train metrics=<mean_squared_error=6.909178256988525,loss=6.923810005187988>
eval metrics=<mean_squared_error=27.047882080078125,loss=26.86684799194336>
train metrics=<mean_squared_error=6.8190460205078125,loss=6.79202938079834>
eval metrics=<mean_squared_error=26.209386825561523,loss=26.10053062438965>
train metrics=<mean_squared_error=6.7200140953063965,loss=6.737307071685791>
eval metrics=<mean_squared_error=26.682661056518555,loss=26.64984703063965>
也就是说，您的联合评估也在下降，只是比您的训练指标慢得多——有效地衡量了客户数据集中的变化。您可以通过 运行:
验证这一点eval_metrics = evaluation(state.model, [datasets[0]])
print('eval metrics on 0th dataset={}'.format(eval_metrics))
eval_metrics = evaluation(state.model, [datasets[1]])
print('eval metrics on 1st dataset={}'.format(eval_metrics))
eval_metrics = evaluation(state.model, [datasets[2]])
print('eval metrics on 2nd dataset={}'.format(eval_metrics))
你会看到类似
的结果eval metrics on 0th dataset=<mean_squared_error=9.426984786987305,loss=9.431192398071289>
eval metrics on 1st dataset=<mean_squared_error=34.96992111206055,loss=34.96992492675781>
eval metrics on 2nd dataset=<mean_squared_error=72.94075775146484,loss=72.88787841796875>
因此您可以看到您的平均模型在这三个数据集上的表现截然不同。
最后一点：您可能会注意到 evaluate 函数的最终结果是 而不是 三个损失的平均值——这是因为 evaluate 函数将是 example-weighted，而不是 client-weighted——也就是说，具有更多数据的客户端在平均值中获得更多权重。
希望对您有所帮助！