不完善通信信道上的分散式联邦学习
原文中文,约400字,阅读约需1分钟。发表于: 。本研究分析了不完美通信渠道对分散式联邦学习(D-FL)的影响,并确定了每轮训练的最佳本地汇总次数,以适应网络拓扑和不完美通道。通过从需要完美通道和汇总的理想全局模型中推导出具有不完美通道的本地汇总 D-FL 模型的偏差,揭示了过多的本地汇总可能会积累通信错误并降低收敛性。本文还分析了基于该偏差的 D-FL...
本研究分析了不完美通信渠道对分散式联邦学习(D-FL)的影响,并确定了每轮训练的最佳本地汇总次数。实验证实了收敛分析,并在图像分类任务中确定了最佳的本地汇总次数。结果显示,具有最佳本地汇总次数的D-FL可以提高10%以上的训练准确性。