MMMar, 2021
基于合作式 D2D 本地模型聚合的半分散式联邦学习
Semi-Decentralized Federated Learning with Cooperative D2D Local Model Aggregations
Frank Po-Chen Lin, Seyyedali Hosseinalipour, Sheikh Shams Azam, Christopher G. Brinton, Nicolo Michelusi
TL;DR本文提出一种称作 TT-HF 的半分散式学习结构,将常规的设备与服务器的通信范例与设备对设备的通信(D2D)结合起来,通过本地集群内的合作分布式 D2D 通信进行模型训练,利用新的渐进上界控制算法平衡步长、通信轮数和全局聚合周期来追求亚线性的渐进收敛率 O (1/t) 及尽量减少网络资源利用,而实验结果表明,TT-HF 在各种本地设备数据集统计异质性场景下,在模型精度和 / 或网络能耗方面均明显优于当前固有的联邦学习方法,对于由于信道衰落造成的中断以及非凸失真函数,TT-HF 的数值测试都表现良好。