PFLlib

PFLlib copied to clipboard

zzzaguai

Visualize the results of the division of the data set

1

The `show_data_distribution.py` shows in a visual way how discrete the dataset is after running `generate_mnist.py noniid - dir` (`alpha = 0.1` for the Dirichlet distribution in `./dataset/utils/dataset_utils.py`)

NigeloYang

implement femnist dataset generation

1

Implemented FEMNIST dataset from leaf generation.

isaacveg

I generated a non-iid version of FashionMINST for 15 clients using the following command `python generate_FashionMNIST.py noniid - pat` The output of the data distribution on the terminal is as...

Amrusama

我在使用系统默认的配置时，只修改了--client_drop_rate=0.9，即有90%节点白训练了，但是训练结果似乎没有变化

1

我在使用系统默认的配置时，只修改了--client_drop_rate=0.9，即有90%节点白训练了，但是训练结果似乎没有变化 请问这是什么原因导致的？ 是模型设计的太好了吗？ 我将数据集划分1000份，只用100个客户端进行训练（每次采样0.3），同时也设置0.9的退出率，发现效果和0的退出率还是相差无几 请问应该修改哪些参数可以使得对比效果更明显。

kyp2022

laiweimin

你好，我想问一下FedAvg算法的准确率为什么这么高？ 实验设置：数据集使用的是Cifar10，数据分布使用的是参数为0.1的狄利克雷分布。 实验结果：FedAvg算法的准确率高达89.63%，而APFL算法的准确率才89.97% 这个实验结果应该明显是不对的，而且在FedALA算法的论文同样的实验设置下FedAvg算法的准确率是59.16%，但是我实在是找不出哪里有问题了，能麻烦作者大大帮忙看下吗 使用的实验命令如下： 生成数据集：python generate_Cifar10.py noniid - dir 启动训练：python main.py -data Cifar10 -m ResNet18 -algo FedAvg -gr 2000 -did 0 -jr 0.5 -eg 5 【PS：感谢作者大大的工作，整个仓库的代码读起来感觉非常清晰】

CFZ3668

xiyuanyang45

yucheng514

您好，这里聚合策略选用fedkd时，我看客户端的两个模型都是一样的结构，不是采用的有一个大模型（mentor）和一个小模型（mentee）吗

ayuelei