基于Flower框架的端侧联邦学习
机器学习
2021-04-08 v1 人工智能
分布式、并行与集群计算
摘要
联邦学习(FL)允许边缘设备协作学习一个共享的预测模型，同时将其训练数据保留在设备上，从而将机器学习的能力与在云端存储数据的需求解耦。尽管FL在算法上取得了进展，但对边缘设备上FL算法的端侧训练的支持仍然薄弱。在本文中，我们展示了使用Flower框架在各种智能手机和嵌入式设备上进行端侧FL的探索。我们还评估了端侧FL的系统开销，并讨论了这种量化如何用于设计更高效的FL算法。
引用
@article{arxiv.2104.03042,
title = {On-device Federated Learning with Flower},
author = {Akhil Mathur and Daniel J. Beutel and Pedro Porto Buarque de Gusmão and Javier Fernandez-Marques and Taner Topal and Xinchi Qiu and Titouan Parcollet and Yan Gao and Nicholas D. Lane},
journal= {arXiv preprint arXiv:2104.03042},
year = {2021}
}
备注
Accepted at the 2nd On-device Intelligence Workshop @ MLSys 2021. arXiv admin note: substantial text overlap with arXiv:2007.14390