Centrala begrepp
PR-FLアルゴリズムは、資源が限られたクライアントに小さなローカルモデルを割り当てることで、グローバルモデルの精度を向上させます。
Sammanfattning
新しいフェデレーテッドラーニングトレーニングフレームワークが提案されており、異種環境でのネットワーク速度の違いを考慮しています。
非同期学習アルゴリズムと剪定技術を組み合わせて、伝統的なフェデレーテッドラーニングアルゴリズムの効率性を向上させることを目指しています。
モデルサイズの段階的な回復により、モデルトレーニングを加速し、モデルの精度を保持します。
フェデレーテッドラーニングの集約プロセスが改善され、非同期フェデレーテッドラーニングが同期的な学習と同様に訓練できるようになっています。
PR-FLアルゴリズム
第1段階:異種ワーカーの剪定比率を調整し、異なるパフォーマンスごとに異なるサイズのトレーニングモデルを取得します。
第2段階:一定点までトレーニングした後、剪定から生じる精度低下が深刻になり始めるため、これらのクライアントのモデルを徐々に回復させます。
同期フェデレート学習時間ストリーム分析
サイト間バッファ:実際の環境でサイト間差や大量送信時のダウンロード混雑を考慮しています。
異種フェデレート学習時間ストリーム分析
異種フェデレート学習プロセスでは3つのクライアントがあります。クライアント1は他よりも約2倍頻繁に更新されます。
Citat
"PR-FLは異種端末でより適切なトレニングを可能にする"
"非同期学習手法は中断処理に非常に効果的です"