CVPRMar, 2024
FedMef: 朝着内存高效的联邦动态修剪
FedMef: Towards Memory-efficient Federated Dynamic Pruning
Hong Huang, Weiming Zhuang, Chen Chen, Lingjuan Lyu
TL;DR提出了一种新颖的记忆高效的联邦动态修剪框架 FedMef,它在保持修剪效率的同时,通过在给定预算内挽救了被标记为修剪的参数的关键信息。通过有效地减少激活内存占用,特别适用于部署联邦学习到内存受限设备上,与现有方法相比,它在内存占用上实现了 28.5% 的显著减少,同时获得了卓越的准确性。