TFF：两种类型有什么区别？
TFF: What is difference between two type?
collected_output=tff.federated_collect(client_outputs)。
详细代码请参考这个
我的问题是照片上标红的部分有什么区别。在 FL 算法方面，我认为 client_outputs 是单个客户端的输出，而 collected_output 是 SequenceType，因为每个 client_outputs 是组合的。这个对吗？如果我的猜测是正确的，member 是一组具有 client_outputs 的个人客户成员吗？
术语可能有点棘手。 client_outputs 不完全是“个人客户的输出”，它仍然代表 所有 客户输出，但它们不可单独寻址。重要的是，TFF 区分数据存在（“放置”）在客户端，它没有被传达。 collected_outputs 在某种意义上是所有单个客户端输出的流，尽管 placement 已通过 tff.federated_collect.[= 更改（值已传达）到服务器28=]
更详细一点：
在上面的类型规范中，.member 是 tff.FederatedType. The TFF Guide Federated Core > Type System 上的一个属性，是有关不同 TFF 类型的更多详细信息的好资源。
{int32}@CLIENTS represents a federated value that consists of a set of potentially distinct integers, one per client device. Note that we are talking about a single federated value as encompassing multiple items of data that appear in multiple locations across the network. One way to think about it is as a kind of tensor with a "network" dimension, although this analogy is not perfect because TFF does not permit random access to member constituents of a federated value.
在屏幕截图中，client_outputs 也被“放置”在 @CLIENTS（来自 .placement 属性）并遵循类似的语义：它有多个值（每个客户端一个）但单独值不可寻址（即值的行为不像 Python list）。
相比之下，collected_output被放置在@SERVER。那么这个项目符号：
<weights=float32[10,5],bias=float32[5]>@SERVER represents a named tuple of weight and bias tensors at the server. Since we've dropped the curly braces, this indicates the all_equal bit is set, i.e., there's only a single tuple (regardless of how many server replicas there might be in a cluster hosting this value).
注意“single 元组”短语，在 tff.federated_collect 之后服务器上放置了一个值序列。这个序列可以像 stream.
一样迭代
collected_output=tff.federated_collect(client_outputs)。
详细代码请参考这个
我的问题是照片上标红的部分有什么区别。在 FL 算法方面，我认为 client_outputs 是单个客户端的输出，而 collected_output 是 SequenceType，因为每个 client_outputs 是组合的。这个对吗？如果我的猜测是正确的，member 是一组具有 client_outputs 的个人客户成员吗？
术语可能有点棘手。 client_outputs 不完全是“个人客户的输出”，它仍然代表 所有 客户输出，但它们不可单独寻址。重要的是，TFF 区分数据存在（“放置”）在客户端，它没有被传达。 collected_outputs 在某种意义上是所有单个客户端输出的流，尽管 placement 已通过 tff.federated_collect.[= 更改（值已传达）到服务器28=]
更详细一点：
在上面的类型规范中，.member 是 tff.FederatedType. The TFF Guide Federated Core > Type System 上的一个属性，是有关不同 TFF 类型的更多详细信息的好资源。
{int32}@CLIENTSrepresents a federated value that consists of a set of potentially distinct integers, one per client device. Note that we are talking about a single federated value as encompassing multiple items of data that appear in multiple locations across the network. One way to think about it is as a kind of tensor with a "network" dimension, although this analogy is not perfect because TFF does not permit random access to member constituents of a federated value.
在屏幕截图中，client_outputs 也被“放置”在 @CLIENTS（来自 .placement 属性）并遵循类似的语义：它有多个值（每个客户端一个）但单独值不可寻址（即值的行为不像 Python list）。
相比之下，collected_output被放置在@SERVER。那么这个项目符号：
<weights=float32[10,5],bias=float32[5]>@SERVERrepresents a named tuple of weight and bias tensors at the server. Since we've dropped the curly braces, this indicates the all_equal bit is set, i.e., there's only a single tuple (regardless of how many server replicas there might be in a cluster hosting this value).
注意“single 元组”短语，在 tff.federated_collect 之后服务器上放置了一个值序列。这个序列可以像 stream.