ICLRJan, 2021
非独立同分布联邦学习中部分工作人员参与实现线性加速
Achieving Linear Speedup with Partial Worker Participation in Non-IID Federated Learning
Haibo Yang, Minghong Fang, Jia Liu
TL;DR本文研究证明了在非独立同分布数据集和部分工人参与的情况下,联邦学习中的联邦平均算法可以实现线性加速。此外,本文还发现,在联邦学习中的本地步骤可以帮助收敛,并且在完全工人参与的情况下,可以将本地步骤的最大次数提高到 $T/m$。