ICLRAug, 2021
FedPara:通信高效的低秩 Hadamard 积联邦学习
FedPara: Low-Rank Hadamard Product for Communication-Efficient Federated Learning
Nam Hyeon-Woo, Moon Ye-Bin, Tae-Hyun Oh
TL;DR本文提出了 FedPara 方法,即通过使用低秩权重进行再参数化来实现通信高效的联邦学习,可在 3 至 10 倍之间降低通信成本,并将其扩展到个性化联邦学习应用中,pFedPara。