球联邦学习 文章大意 作者将待训练的卷积神经网络分为特征提取器和分类器两个部分。将提取得到的特征归一化为l维(特征的维度)“球型特征向量”,即两两正交,长度一致。由于将特征进行了球状转换,Loss函数采用MSE而不是分类问题常用的交叉熵。 在进行联邦训练时,所有用户共享同一个分类器(fixed and shared)。训练之后再将分类器进行重校准。基于MSE LOSS,提出了一种快速校准方法。 杂谈 这篇论文角度新颖,可惜没公布代码。将特征归一化,使得模型可以更好的收敛?