tensorflow-federated - TFF : 测试精度波动
解决方案
我会说这样的行为通常是随机优化的预期行为。固有的差异会导致您在好的解决方案周围摇摆不定。方差的大小和优化目标的属性控制着在查看准确度指标时它的振荡程度。
对于普通的 SGD,降低学习率会降低方差并减慢收敛速度。
对于联邦学习的优化方法,情况要复杂一些,但降低客户端学习率或减少本地步骤的数量(同时保持其他事情相同)可能会产生类似的效果,通常包括减慢收敛速度。更多详细信息可以在https://arxiv.org/abs/2007.00878中找到,其他答案中也提到了。潜在地降低跨轮的客户学习率也可以奏效。详细信息也可能因您使用的优化方法而异。
推荐阅读
- c - Does delay function work in C with 64 bit compilers?
- mysql - 在 cpanel / whm 中更改 MySQL “group_concat_max_len” 值
- gradle - gradle(compileTestKotlin) 关于 io.mockk.every 失败
- rest - json序列化方法应该如何处理应该是链接的attrs?
- javascript - 将客户端数据发送到服务器端(django)的问题
- typescript - HighChart 避开情节背景上的点
- sql - BigQuery:如何动态查询 Firebase 每日事件表?
- python-3.x - elasticsearch 的 Python 客户端在正则表达式支持方面存在问题
- file - 为什么不导入 getFileSize
- python - 在 Python 中解析 Json 并找到一个值