我的联邦学习研究的测试平台在哪里？
机器学习
2025-03-04 v2 分布式、并行与集群计算
摘要
超越集中式 AI 的进程至关重要, 但各种联邦学习(FL)算法往往未得到全面评估, 这阻碍了研究社区识别最具前景的方法, 也让实践者难以确信某种解决方案已准备好部署。FL 算法评估的最大障碍在于: 很难在多样化的 FL 客户端设备和不同平台上进行真实实验, 这些设备和平台拥有不同的数据集和数据分布, 同时评估诸多算法性能维度, 如推理准确率、能耗和收敛时间等。为此, 本文提出 CoLExT, 一个用于 FL 研究的真实世界测试平台。CoLExT 旨在丰富的测试平台配置空间中简化定制 FL 算法的实验, 包含大量异构边缘设备, 从单板计算机到智能手机不等, 并通过自动仪表化提供实时指标收集和可视化。根据我们的评估, 将 FL 算法移植到 CoLExT 需要极少的开发者参与, 仪表化引入的资源开销也很小。此外, 通过涉及流行 FL 算法在 CoLExT 上的初始调查, 我们揭示了此前未知的权衡、效率低下情况以及编程错误。
引用
@article{arxiv.2407.14154,
title = {Where is the Testbed for my Federated Learning Research?},
author = {Janez Božič and Amândio R. Faustino and Boris Radovič and Marco Canini and Veljko Pejović},
journal= {arXiv preprint arXiv:2407.14154},
year = {2025}
}
备注
SEC 2024