Tackling Data Heterogeneity in Federated Learning with Class Prototypes
作者举了个栗子
分割线————————————————————————————————————————
当采用不平衡的训练数据集进行训练后,得到的Prototypes(虚线) 和 Representations(圆点)就很差。不同类样本的特征都重叠了,也就不容易进行分类。当采用uniform head(是固定分类头吗?)后,该问题得以解决。因此作者说我们要发放一致且固定(uniform and fixed)的Prototypes(咋弄的哩?)来协助不平衡的数据集进行训练。
作者提出方法
首先作者提了两个问题:
-
怎么搞出来高质量(彼此分得很开)的Prototypes?
通过一种方法初始化分类器头,看不明白。