Tengo un problema con el entrenamiento usando tff.simulation.FilePerUserClientData – Estoy quedándome rápidamente sin RAM después de 5-6 rondas con 10 clientes por ronda. El uso de RAM aumenta constantemente con cada ronda. Intenté reducirlo y me di cuenta de que el problema no es el proceso iterativo en sí, sino . . . Read more
Me gustaría ajustar el modelo pre-entrenado con Federated Learning, así que hago lo siguiente: def create_keras_model(): baseModel = tf.keras.models.load_model(path\to\model) headModel = baseModel.output model_output = tf.keras.layers.Dense(3)(headModel) model = tf.keras.Model(inputs=baseModel.input, outputs=model_output) for layer in baseModel.layers: layer.trainable = False return model state = iterative_process.initialize() keras_model = create_keras_model() state = tff.learning.state_with_new_model_weights( state, trainable_weights=[v.numpy() for . . . Read more