Question

这是我的联合学习测试的代码

from __future__ import absolute_import, division, print_function
import os
import collections
import warnings
from six.moves import range
import numpy as np
import six
import tensorflow as tf
import tensorflow_federated as tff
from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau, ModelCheckpoint
import PIL


#pretrain

train_datagen1 = tf.keras.preprocessing.image.ImageDataGenerator(vertical_flip=True)
training_set1= train_datagen1.flow_from_directory('folder1/train',target_size=(200, 200), batch_size=32)



)

现在，当我想像tensorflow联合中的教程那样创建sample_batch进行图像分类时

我写了这行，发现了这个错误

example_dataset = training_set1.create_tf_dataset_for_client(training_set1.client_ids[0])

错误

TypeError跟踪（最近一次通话最近）在 1 training_set1.element_type_structure ----> 2个example_dataset = training_set1.create_tf_dataset_for_client（training_set1.client_ids [0]）

TypeError：“抽象属性”对象不支持索引

能告诉我如何创建dummy_batch以便将keras模型转换为tff.learning.from_compiled_keras_model（model，dummy_batch）

Answer 1

感谢您对TFF的关注！

通常，TFF被设计为摄取tf.data.Dataset对象，因此上面的示例需要一些额外的预处理。

好消息是，有一个existing tutorial显示了执行此操作的示例。在上面，应该执行以下操作：

ds = tf.data.Dataset.from_generator(
    img_gen.flow_from_directory, args=[<your_directory>], 
    output_types=<your_types>, 
    output_shapes=<your_shapes>
)

通常，人们可以认为ClientData对象是将客户端ID映射到dict的幻想tf.data.Datasets。 ClientData本身是一个抽象类，因此无法直接实例化，并且提供了类方法来构造ClientData的实际实例。 tff.simulation.ClientData.from_clients_and_fn是一种应该在这里使用的类方法。在这里，如果传递一个client_ids列表和一个函数，该函数在给定客户端ID时返回适当的数据集，那么您将可以使用功能全面的ClientData。

我认为在这里，定义您可能使用的功能的一种方法是构造一个Python dict，它将客户端ID映射到tf.data.Dataset对象-然后，您可以定义一个接受客户端ID的函数，在字典中查找数据集，然后返回数据集。

希望这会有所帮助！

联合学习：将我自己的图像数据集转换为tff模拟Clientdata

1 个答案: