【论文阅读】Device Sampling for Heterogeneous Federated Learning: Theory, Algorithms, and Implementation
异构联邦学习的设备采样:理论,算法,实现一、文章介绍二、背景和目的三、建模1、边缘设备模型2、网络拓扑3、联邦学习模型4、建模总结四、方法1、数据分流2、设备采样(1)核心思想(2)GCN训练过程3、联邦学习训练过程五、总结一、文章介绍这篇文章被INFOCOM2021接收,解决的是异质联邦学习的设备采样问题。基于网络拓扑和设备性能限制,作者尝试在“节点采样”和“数据分流”中寻找一个最优组合。通过理