如何建立不平衡和小数据集的联邦学习模型
How to build federated learning model of unbalanced and small dataset
我正在使用 TFF 构建联邦学习模型，我有一些问题：
我正在准备数据集，我有单独的数据文件，具有相同的特征和不同的样本。我会将这些文件中的每一个都视为一个客户端。我如何在 TFF 中维护它？
数据不均衡，即每个文件的数据大小不一。这会影响建模过程吗？
数据量有点小，一个文件（客户端）300条记录，一个1500条记录，是否适合建立联邦学习模型？
提前致谢
- 您可以为数据集创建一个 ClientData，请参阅 Working with tff's ClientData。
- 无需平衡数据集即可构建联合学习模型。在 https://arxiv.org/abs/1602.05629 中，服务器对客户端的模型更新进行加权联合平均，其中权重是每个客户端拥有的样本数。
- 每个客户端几百条记录不亚于 EMNIST dataset, so that would be fine. About the total number of clients: this tutorial 显示 FL 有 10 个客户端，您可以 运行 较小
NUM_CLIENTS 的 colab 看看它是如何工作的示例数据集。
我正在使用 TFF 构建联邦学习模型，我有一些问题：
我正在准备数据集，我有单独的数据文件，具有相同的特征和不同的样本。我会将这些文件中的每一个都视为一个客户端。我如何在 TFF 中维护它？
数据不均衡，即每个文件的数据大小不一。这会影响建模过程吗？
数据量有点小，一个文件（客户端）300条记录，一个1500条记录，是否适合建立联邦学习模型？
提前致谢
- 您可以为数据集创建一个 ClientData，请参阅 Working with tff's ClientData。
- 无需平衡数据集即可构建联合学习模型。在 https://arxiv.org/abs/1602.05629 中，服务器对客户端的模型更新进行加权联合平均，其中权重是每个客户端拥有的样本数。
- 每个客户端几百条记录不亚于 EMNIST dataset, so that would be fine. About the total number of clients: this tutorial 显示 FL 有 10 个客户端，您可以 运行 较小
NUM_CLIENTS的 colab 看看它是如何工作的示例数据集。