일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- Open Set Recognition
- 딥러닝
- free rider
- q-FFL
- value shaping
- ML
- PPML
- Differential Privacy
- convergence
- Agnostic FL
- data maximization
- 개인정보
- OoDD
- 연합학습
- 기계학습
- Machine learning
- FedProx
- Federated Learning
- 머신러닝
- q-FedAvg
- Federated Transfer Learning
- FL
- ordered dropout
- OOD
- Fairness
- DP
- FedAvg
- Analysis
- OSR
- deep learning
Archives
- Today
- Total
목록Cross-Device (1)
Federated Learning
2. Cross-Silo FL과 Cross-Device FL
앞서, 우리는 연합학습을 정의하고, 연합학습과 분산학습 간의 차이에 관하여 확인해보았습니다. (이전 글 보기) 오늘은 연합학습의 두 갈래에 관하여 확인해보고, 각 체계가 가지는 추가적인 문제점에 관하여 알아보겠습니다. 1. Cross-Silo Federated Learning Silo란 "큰 규모의 저장소"를 의미합니다. 즉, 이름에서 알 수 있듯이, Cross-Silo FL은 각 device의 크기가 비교적 큰 경우에 적용하며, 보통 학습에 참여하는 client 수 역시 비교적 적은 편입니다. (정확한 정의는 없는데, 대체적으로 최대 100개 ~ 10000개까지를 Silo로 보는 경향이 있습니다.) 또한, 명확하게 어떠한 client가 학습에 참여하는지 확인 가능(addressible)하며, 특수한 사..
Federated Learning/Fundamentals
2022. 7. 5. 22:30