Tag: TENSORFLOW-FEDERATED
Me gustaría cargar una red preentrenada dentro de la función create_keras_model(). Por lo tanto, escribo esto: def create_keras_model(): baseModel = tf.keras.models.load_model(model_path, compile=False) headModel = baseModel.output model_output = tf.keras.layers.Dense(3, activation=”softmax”, name=”output”)(headModel) model = tf.keras.Model(inputs=baseModel.input, outputs=model_output) return model def model_fn(): keras_model = create_keras_model() return tff.learning.from_keras_model(keras_model, input_spec=input_spec, loss=tf.keras.losses.CategoricalCrossentropy(), metrics=[tf.keras.metrics.CategoricalAccuracy()]) @tff.tf_computation def get_weights_from_disk(): keras_model . . . Read more
Estoy usando TFF 0.18. Cuando uso: state = tff.structure.update_struct(state, model=tff.learning.ModelWeights.from_model(keras_model)) Encuentro este error. ¿Cómo puedo resolver este problema sin cambiar la versión de TFF?
Quiero implementar un modelo de DP local utilizando TFF, es decir, cada cliente entrena su propio modelo diferencialmente privado y envía gradientes ruidosos al servidor, y el servidor simplemente agrega y distribuye de manera estándar en una moda FL. Intenté cambiar el optimizador del cliente al optimizador de DP de . . . Read more
Soy principiante en el aprendizaje federado. Intento añadir ruido gaussiano al gradiente en client_updata. Si alguien intenta hacerlo, por favor enséñame cómo hacerlo. Gracias de antemano. def client_update(model, dataset, server_weights, client_optimizer): “””Realiza el entrenamiento (usando los pesos del modelo del servidor) en el conjunto de datos del cliente.””” # Inicializa . . . Read more
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