FEDGKD :Toward Heterogeneous Federated Learning via Global Knowledge Distillation
读这篇文章更主要的是对联邦学习有更多的了解。这篇文章中主要解决了一个问题,就是 “client-drift” issue。联邦学习的经典算法是 FedAvg。在联邦学习中,有两个主要的问题(1) data heterogeneity 数据异构性,每个训练节点上的训练数据并不是独立同分布的client-drift 不仅会降低模型的性能,而且会增加通信的轮数。
原创
2024-03-01 22:30:28 ·
382 阅读 ·
0 评论