qq_43495719的博客

原创 FlexiFed: Personalized Federated Learning for Edge Clients with Heterogeneous Model Architectures笔记

为了应对体系结构的异质性（模型异质性）：运行具有不同体系结构的ML模型的客户端。本文提出FlexiFed：通过促进客户端公共基础层的协作培训来适应体系结构的异质性。在FlexiFed下，通用基础层可以跨客户的本地ML模型进行协作培训，以融合这些层中包含的知识。FlexiFed通过消除运行架构异构ML模型的客户端之间的界限，最大限度地扩大参与FL的客户端规模，具有很大的前景和广泛的应用可能性。