eternity_memory的博客

每个文件存储了一部分训练数据，共5个批次（batches），每个批次包含了 10,000 张 32x32 像素的彩色图像。这是一个与MNIST类似的图像数据集，但包含了各种时尚产品的图像，用于服装分类任务。：文件还包含了每个类别的索引，这些索引与训练数据和测试数据中的标签值相对应。：文件中包含了数据集中所有类别的名称。这些名称对应于图像数据中的标签，帮助将模型预测的数字标签与实际类别名称进行匹配。：CIFAR-10包含60,000张32x32像素的彩色图像，分为10个类别，每个类别有6,000张图像。

如果这些价格变化遵循相同的分布（例如，正态分布），但每一天的变化受前一天的影响（存在依赖性），那么这些价格变化就是非独立但同分布的。：提高每个客户端的本地训练的时间，允许模型在本地进行更多的迭代，这样可以使得本地模型更好地适应本地数据，从而减少数据不均衡带来的影响。在联邦学习中，每个客户端的数据通常来自于不同的分布，因此这些数据可能是非独立和非同分布的。指的是在参与训练的多个客户端上，数据样本并不符合独立同分布的假设。如果一组随机变量既是相互独立的，又遵循相同的分布，则称它们是独立同分布的。

联邦学习综述