论文名字 | PERSONALIZED FEDERATED LEARNING BY STRUCTURED AND UNSTRUCTURED PRUNING UNDER DATA HETEROGENEITY |
来源 | Arxiv |
年份 | 2021.5.2 |
作者 | Saeed Vahidian, Mahdi Morafah, Bill Lin |
核心点 | 用剪枝的方法实现联邦学习中客户端的个性化 |
阅读日期 | 2021.5.19 |
影响因子 |
|
页数 | 13 |
引用数 |
|
引用 |
|
内容总结 | |
文章相比之前的工作创新之处: 1、用模型或通道剪枝的方法实现联邦学习中客户端的个性化
文章的主要工作: 1、动态对客户端模型进行剪枝,使其对不同的客户端能有更优的精度。
对文章的疑问: 1、这种修改网络的方法,要确定是因为网络的优化而导致模型性能提升,而不是他在联邦学习框架下做剪枝才能提升(也就是说,单独训练的时候,如果剪枝也能提升网络性能的话,就说明提升的是网络的性能,而跟是否在联邦学习框架没有关系) 2、文中的实验也仅限于CNN网络
实验结果:
附录:
参考文献:
|