ACLFeb, 2021
联邦学习中的线性收敛问题:应对客户端异质性和稀疏梯度
Linear Convergence in Federated Learning: Tackling Client Heterogeneity and Sparse Gradients
Aritra Mitra, Rayana Jaafar, George J. Pappas, Hamed Hassani
TL;DR本文提出了 FedLin 框架来应对分布式学习中的目标异质性、系统异质性和不频繁不准确的通信挑战,当客户端的本地损失函数是光滑且强凸的时,FedLin 保证线性收敛并最终收敛到全局最小点,并且在压缩比例下仍然保持线性收敛速度。