联邦学习流程图
2022-06-23 15:45:51 31 举报
联邦学习是一种分布式机器学习方法,其流程图主要包括以下几个步骤:首先,数据源将本地数据进行预处理和特征提取;然后,将这些数据发送到中央服务器进行模型训练;接着,中央服务器根据所有数据源的训练结果更新全局模型;最后,全局模型被发送回各个数据源,用于本地的预测和分析。这个过程是循环进行的,每次迭代都会使全局模型更加精确。联邦学习的主要优点是可以在保护数据隐私的同时,利用大量分布式数据进行高效的模型训练。
作者其他创作
大纲/内容
1.Key
4.Aggregate models
1.Global params
5.Decrypt
1. Initialization phase2. Model training phase3. Encryption phase4. Aggregation phase5. Decryption phase
2.Train
3.Encrypt
Users
Cloud Server
5.Decode
1.Keys
5.Download result
2.Weights
5.Update models
Local Models
收藏
0 条评论
下一页