colab 中图像分类的联邦学习

【问题标题】：Federated Learning for Image Classification in colabcolab 中图像分类的联邦学习
【发布时间】：2021-06-17 11:12:23
【问题描述】：

我是联邦学习的新手，我尝试实现图像分类的 FL 代码，但我无法理解这一行

我对一些细节部分感到困惑。我正在尝试在 Keras 中构建顺序模型，但是在训练模型时出现此错误，我该如何解决？

请指导我谢谢。

iterative_process = tff.learning.build_federated_averaging_process(model_fn)

TypeError                                 Traceback (most recent call last)
<ipython-input-50-0fdb188570d0> in <module>()
----> 1 iterative_process = tff.learning.build_federated_averaging_process(model_fn)

TypeError: build_federated_averaging_process() missing 1 required positional argument: 'client_optimizer_fn'

https://colab.research.google.com/github/tensorflow/federated/blob/v0.12.0/docs/tutorials/federated_learning_for_image_classification.ipynb#scrollTo=sk6mjOfycX5N

【问题讨论】：

标签： python machine-learning tensorflow-federated federated-learning

【解决方案1】：

这是来自 python 的关于函数调用的错误，请参阅this answer and question 以了解类似情况。

tff.learning.build_federated_averaging_process 的 API 文档指出需要两个参数：model_fn 参数和 client_optimizer_fn。

从代码看来，似乎只指定了第一个参数。上面的 colab notebook 链接指向旧版本的 TFF（0.12.0，最近的是0.19.0）。较新版本的 PIP 包不保证旧版本的 colab 笔记本。

在newer colab notebook version 中，调用已更新为匹配当前 API 并包含其他参数：

iterative_process = tff.learning.build_federated_averaging_process(
    model_fn,
    client_optimizer_fn=lambda: tf.keras.optimizers.SGD(learning_rate=0.02),
    server_optimizer_fn=lambda: tf.keras.optimizers.SGD(learning_rate=1.0))

【讨论】：