论文笔记Client-Edge-Cloud Hierarchical Federated Learning
论文笔记Client-Edge-Cloud Hierarchical Federated Learning 本文针对FedAvg算法带来的大量的通讯开销和边缘计算提出了一种新的结构以及HierFAVG算法。算法 FedAvg是基于云的联邦学习，本地各个客户端利用本地数据进行训练，将训练好的模型参数上传到云服务器中。参与的客户端数量可达百万，可是带来的开销也是巨大的。与云服务器的通讯速度慢且不可预测
相关文章
- 1. 论文笔记Client-Edge-Cloud Hierarchical Federated Learning
- 2. Federated Learning with Non-IID Data 论文笔记
- 3. SecureBoost: A Lossless Federated Learning Framework论文笔记
- 4. 论文笔记——Fair Resource Allocation in Federated Learning
- 5. Secure Federated Transfer Learning（论文笔记）
- 6. 【论文笔记】《FLchain: Federated Learning via MEC-enabled Blockchain Network》精读笔记
- 7. Federated Machine Learning:Concept and Applications(论文笔记)
- 8. 论文笔记——Federated learning framework for mobile edge computing networks
- 9. 论文笔记——Model Pruning Enables Efficient Federated Learning on Edge Devices
- 10. 【论文】《Blockchained On-Device Federated Learning》精读笔记
- 更多相关文章...
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • CAP理论是什么？ - NoSQL教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Scala 中文乱码解决
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文笔记Client-Edge-Cloud Hierarchical Federated Learning
- 2. Federated Learning with Non-IID Data 论文笔记
- 3. SecureBoost: A Lossless Federated Learning Framework论文笔记
- 4. 论文笔记——Fair Resource Allocation in Federated Learning
- 5. Secure Federated Transfer Learning（论文笔记）
- 6. 【论文笔记】《FLchain: Federated Learning via MEC-enabled Blockchain Network》精读笔记
- 7. Federated Machine Learning:Concept and Applications(论文笔记)
- 8. 论文笔记——Federated learning framework for mobile edge computing networks
- 9. 论文笔记——Model Pruning Enables Efficient Federated Learning on Edge Devices
- 10. 【论文】《Blockchained On-Device Federated Learning》精读笔记