Communication-Efficient Learning of Deep Networks from Decentralized Data

最新推荐文章于 2022-11-17 11:04:50 发布

VIP文章 ML_NI_CSU

最新推荐文章于 2022-11-17 11:04:50 发布

阅读量1.4k

点赞数 3

分类专栏： Material Informatics # Louris 文章标签： Distributed Learning Deep Learning

本文链接：https://blog.csdn.net/lj695242104/article/details/103223005

版权

                    
   类型
   说明
  
   论文信息
   Communication-Efficient Learning of Deep Networks from Decentralized Data
H.Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Agüera y Arcas
  
   研究的问题
   移动设备的去中心化数据的高效率通信的分布式联合平均算法
  
   算法名称
   FederatedAveraging Algorithm(FedAVG)
  
   前景知识
   –
  
   有限和形式
    min ⁡ _ ω ∈ R d f ( ω ) 　 　 w h e r e 　 　 f ( ω ) = def 1 n ∑ i = 1 n f _ i ( ω ) . \min\_{\omega\in\mathbb{R}^{d}} f\left(\omega\right)　　where　　f\left(\omega\right) \stackrel{\text{def}}{=}\frac{1}{n}\sum^{n}_{i=1}f\_{i}\left(\omega\right). min_ω∈Rdf(ω)　　where　　f(ω)=defn1​i=1∑n​f_i(ω).For a machine learning problem: f i ( ω ) = ℓ ( x i , y i ; ω ) f_{i}\left(\omega\right)=\ell\left(x_{i},y_{i};\omega\right) fi​(ω)=ℓ(xi​,yi​;ω)
  
   分布式形式
    f ( ω ) = ∑ k = 1 K n k n F k ( ω ) 　 　 w h e r e 　 　 F k ( ω ) = 1 n k ∑ i

类型	说明
论文信息	Communication-Efficient Learning of Deep Networks from Decentralized Data H.Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Agüera y Arcas
研究的问题	移动设备的去中心化数据的高效率通信的分布式联合平均算法
算法名称	FederatedAveraging Algorithm(FedAVG)
前景知识	–
有限和形式	$\min\_{\omega\in\mathbb{R}^{d}} f\left(\omega\right) where f\left(\omega\right) \stackrel{\text{def}}{=}\frac{1}{n}\sum^{n}_{i=1}f\_{i}\left(\omega\right).$ For a machine learning problem: $f_{i}\left(\omega\right)=\ell\left(x_{i},y_{i};\omega\right)$
分布式形式

最低0.47元/天解锁文章

ML_NI_CSU

关注

3
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
Communication-Efficient Learning of Deep Networks from Decentralized Data

类型说明论文信息Communication-Efficient Learning of Deep Networks from Decentralized DataH.Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Agüera y Arcas研究的问题移动设备的去中心化数据的高效率通信...
复制链接

扫一扫