时间戳

首页 > 解决方案 > 我可以在 Tensorflow 联邦学习 (TFF) 的 keras 模型中使用 class_weight

python - 我可以在 Tensorflow 联邦学习 (TFF) 的 keras 模型中使用 class_weight

问题描述

我的数据集是类不平衡的，所以我想使用 class_weight 来启用分类器重权次要类。在一般情况下，我可以按如下方式分配班级权重：

weighted_history = weighted_model.fit(
    train_features,
    train_labels,
    batch_size=BATCH_SIZE,
    epochs=EPOCHS,
    callbacks=[early_stopping],
    validation_data=(val_features, val_labels),
    # The class weights go here
    class_weight=class_weight)

有什么方法可以在 tensorflow 联邦学习中分配 class_weight 吗？我的联邦学习代码如下：

def create_keras_model(output_bias=None):
    return tf.keras.models.Sequential([
        tf.keras.layers.Dense(12, activation='relu', input_shape(5,)),
        tf.keras.layers.Dense(8, activation='relu'),
        tf.keras.layers.Dense(5, activation='relu'),
        tf.keras.layers.Dense(3, activation='relu'),
        tf.keras.layers.Dense(1, activation='sigmoid')])

def model_fn():
    keras_model = create_keras_model()
    return tff.learning.from_keras_model(
        keras_model,
        input_spec=preprocessed_example_dataset.element_spec,
        loss=tf.keras.losses.BinaryCrossentropy(),
        metrics=[tf.keras.metrics.BinaryAccuracy()])

标签： pythontensorflowtensorflow-federated

解决方案

不是直接的。主要问题是该tf.keras.Model.fit方法在概念上并未映射到从分散数据进行训练的想法。

如果你想让这个工作TFF，第一步是确定应该执行什么算法。据我所知，这没有一个明显的答案——例如，class_weights如果你不能直接访问数据，你如何确定那些是什么？

但是让我们假设您以某种方式获得了这些信息，并且只是想修改客户的本地培训程序。从开始examples/simple_fedavg，实现它的方法是适当地修改在这个循环中计算梯度的方式。

推荐阅读