yichun

I solve the problem .You need to modify the code demo.py -- net.create_architecture("TEST", len(CLASSES), tag='default', anchor_scales=[8, 16, 32]), i change 21 to len(CLASSES),the demo.py can work.

Tanks，[https://doc.fedml.ai/federate/simulation/examples/sp_fedavg_mnist_lr_example](https://github.com/FedML-AI/FedML/issues/url)There is no file in this path anymore.The latest code I pulled directly from github 

> 在flwr/server/server.py的代码里好像有地方可以修改，但是也需要改代码 是的，但是不知道怎么修改这个策略 ，现在我看都是一个固定值，没法和训练轮数挂钩。 我现在能想到的方法就是写两个模拟函数fl.simulation.start_simulation，比如前10epochs，客户端选择10个；后10个epochs训练再启动一个模拟函数，选择20个客户端，他的模型参数用第一次训练的参数。

> > > 在flwr/server/server.py的代码里好像有地方可以修改，但是也需要改代码 > > > > > > 是的，但是不知道怎么修改这个策略 ，现在我看都是一个固定值，没法和训练轮数挂钩。 我现在能想到的方法就是写两个模拟函数fl.simulation.start_simulation，比如前10epochs，客户端选择10个；后10个epochs训练再启动一个模拟函数，选择20个客户端，他的模型参数用第一次训练的参数。 > > 感觉你这个方法也可以，或者你可以试试把fraction_fit这个值从某个配置文件（比如/opt/fraction_fit.txt）中读取，然后在训练10轮以后修改/opt/fraction_fit.txt的内容，然后server.py再去读取这个内容？我不太确定server的启动是不是每轮都会重新分配一下，你可以试试 好的我试一试，我刚刚看到一个参数on_fit_config_fn ，感觉可能解决这个问题  

我研究联邦学习的客户端选择策略

> Hi, this can be done by overriding the `configure_fit` function of the strategy. E.g., > > ``` > def configure_fit( > self, server_round: int, parameters: Parameters, client_manager: ClientManager >...