Oct, 2022

ISFL: 基于局部重要性抽样的非独立同分布数据联邦学习

TL;DR本文提出一种基于重要性抽样的联邦学习 (ISFL) 框架,紧密结合局部训练与周期共享,解决分布式客户端上存在的梯度差异、收敛性能等问题,并在 CIFAR-10 数据集上验证了其优越性能。同时,该方法是首个从局部采样角度提出的可与神经网络模型兼容的非独立同分布联邦学习解决方案,易于运用于其他新兴 FL 框架。