Joker_1024的博客

联邦学习方法FedAvg实现（PyTorch）通俗来讲，**联邦学习（Federated Learning）**结构由Server和若干Client组成，在联邦学习方法过程中，没有任何用户数据被发送到Server端，通过这种方式保护了用户的数据隐私。另外，通信中传输的参数是特定于改进当前模型的，因此一旦应用了他们，Server就没有理由存储它们，这进一步提高了安全性。联邦学习的整体思路是**”数据不动 模型动“**。Server提供全局共享的模型，Client下载模型并训练自己的数据集，同时更新模型参数

Federated Learning for Vision-and-Language Grounding Problems阅读笔记论文主要工作提出一种联邦学习框架，通过生成细粒度的图像表示，框架提高了在不需要共享下游任务数据的情况下vision-and-language grounding问题的性能设计对齐、集成和映射网络【Aligning, Integrating and Mapping Net work (aimNet)】，在框架中实现了分布式模型，有效 自动地并将从图像提取出的视觉和文本特征转