联邦学习笔记1：STRATEGIES FOR IMPROVING

摘要 联邦学习是一种机器学习设置，其目标是训练高质量的集中模型，同时训练数据仍然分布在大量客户机上，每一个客户机都具备不可靠且相对较慢的网络链接。咱们考虑学习这种设置的算法，在每轮测试中，每一个客户端都根据其本地数据独立计算对当前模型的更新，并将此更新与中央服务器通讯，在中央服务器上聚合客户端更新以计算新的全局模型。在这种状况下，典型的客户是手机，通讯效率是最重要的。web 1介绍 随着数据集愈来

>>阅读原文<<