Как подготовить мой набор данных (не изображения) для реализации FedAVG в Tensorflow Federated?

Question

Я хочу обучить федеративную модель с помощью алгоритма FedAvg для TFF (Tensorflow Federated), используя 3-канальный (X, Y, Z) набор данных акселерометра с продолжительностью таймфрейма 128.

Моя цель состоит в обучении федеративной модели с использованием

tff.learning.from_keras_model

Руководства на веб-сайте TensorFlow Federated в основном касаются наборов данных, которые уже представлены в нужном формате для модели

tensorflow_federated.python.simulation.hdf5_client_data.HDF5ClientData

Я вполне Потеряно при преобразовании моего необработанного набора данных в желаемый формат для TFF.

Используемый мной набор данных имеет следующую форму:

X: (-1, 128, 3) and Y: (-1)

X: являются числами с плавающей точкой Y: являются целочисленными метками моего набора данных в диапазоне от 0-6

Кто-нибудь может дать мне несколько советов / примеров того, как я могу справиться с этим?

Answer 1

Во-первых, для федеративного обучения набор данных должен быть разделен пользователем / участником. Имеет ли набор данных разделение показаний акселерометра и меток пользователем? Если нет, то это, вероятно, задача, подходящая из стандартного централизованного обучения, а не из федеративного обучения.

Если существует пользовательское разбиение, следующие вопросы объясняют, как настроить tff.simulation.ClientData для моделирования этого распределенного набора данных. Тот факт, что данные являются изображениями или нет, не должен иметь значения, методы применимы к любому контролируемому изучению наборов данных X, Y:

• Как определить функцию tff.simulation.ClientData.from_clients_and_fn ?
• преобразовать мой собственный набор данных изображений в симуляцию tff Clientdata