FedLab:一个灵活的联邦学习框架
机器学习
2022-04-25 v4 人工智能
摘要
联邦学习(FL)是机器学习的一个领域,研究者试图在不违反隐私保护法规的前提下,促进多方之间的模型学习过程。大量工作已投入于FL优化与通信相关的研究。本文中,我们介绍\texttt{FedLab},一个轻量级的开源FL仿真框架。\texttt{FedLab}的设计聚焦于FL算法有效性与通信效率。同时,\texttt{FedLab}在不同部署场景下具有可扩展性。我们希望\texttt{FedLab}能为FL领域的研究者提供灵活的API以及可靠的基线实现,并减轻实现新方法的负担。
引用
@article{arxiv.2107.11621,
title = {FedLab: A Flexible Federated Learning Framework},
author = {Dun Zeng and Siqi Liang and Xiangjing Hu and Hui Wang and Zenglin Xu},
journal= {arXiv preprint arXiv:2107.11621},
year = {2022}
}