HelinLin
HelinLin
The dataset I am using is CIFAR10, and the model is NVIDIA_ Efficientnet_ B0, the model is loaded using the following code：def load_efficientnet(entrypoint: str = "nvidia_efficientnet_b0", classes: int = None):...
how to resolve: do not use NVIDIA_ Efficientnet_ B0,this model will generate too large l2 norm,use alexnet or other model to replace,do not use NVIDIA_ Efficientnet_ B0!!!!
> Hi @dr4g0n7ly , are you still seeing this error? if so, could you tell us what platform do you use (windows, linux, mac) look like windows,i think you shoud...
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
> > 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
> > > > 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  ...
> 如果启动了flower server后，客户端一直没有连接，可以手动停止server吗？ 你具体是指什么？启动服务端后再启动客户端，客户端连不上服务端的话，当然是可以手动停止server的，停止了以后你再去排查一下你的代码哪里不对导致客户端连不上
I am addressing this issue: https://github.com/adap/flower/pull/2782. Due to the fact that `efficientnet` is particularly sensitive to noise, it is recommended to use `alexnet`, `imagenet-based` models, or other alternatives for implementing...
> I have the same problem, is there a solution? 你别用他自带的那个模型，你换个模型就行了，比如alexnet或者resnet模型就没这个毛病
> The model I chose is my own model that is there about time prediction and didn't use the one he comes with and still this problem occurs. some models...