FedTune：从系统视角自动调优联邦学习超参数
机器学习
2022-10-05 v6
摘要
联邦学习 (FL) 超参数在计算时间、传输时间、计算负载和传输负载方面显著影响训练开销。然而，当前手动选择 FL 超参数的做法给 FL 从业者带来高负担，因为各类应用偏好不同的训练需求。本文提出 FedTune，一种针对应用多样化 FL 训练系统需求定制的自动 FL 超参数调优算法。FedTune 轻量且灵活，相较于固定 FL 超参数，在不同数据集上实现了 8.48%–26.75% 的提升。
引用
@article{arxiv.2110.03061,
title = {FedTune: Automatic Tuning of Federated Learning Hyper-Parameters from System Perspective},
author = {Huanle Zhang and Mi Zhang and Xin Liu and Prasant Mohapatra and Michael DeLucia},
journal= {arXiv preprint arXiv:2110.03061},
year = {2022}
}