Oct, 2023
减小自适应无偏客户抽样的方差以探索联邦优化
Exploring Federated Optimization by Reducing Variance of Adaptive Unbiased Client Sampling
Dun Zeng, Zenglin Xu, Yu Pan, Qifan Wang, Xiaoying Tang
TL;DR提出了一种自适应客户端采样的新方法 K-Vib,可以在不需要额外的本地通信和计算的情况下,构建可靠的全局估计,从而提高联邦优化的性能。