Question

我正在与Tensorflow联合进行一个项目。我已经设法使用TensorFlow联合学习模拟提供的库来加载，训练和测试一些数据集。

例如，我加载emnist数据集

emnist_train, emnist_test = tff.simulation.datasets.emnist.load_data()

，它获得了load_data（）作为tff.simulation.ClientData实例返回的数据集。该界面使我可以遍历客户端ID，并允许我选择数据的子集进行仿真。

len(emnist_train.client_ids)

3383


emnist_train.element_type_structure


OrderedDict([('pixels', TensorSpec(shape=(28, 28), dtype=tf.float32, name=None)), ('label', TensorSpec(shape=(), dtype=tf.int32, name=None))])


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

我正在尝试使用Keras加载fashion_mnist数据集以执行一些联合操作：

fashion_train,fashion_test=tf.keras.datasets.fashion_mnist.load_data()

但是我得到这个错误

AttributeError: 'tuple' object has no attribute 'element_spec'

因为Keras返回一个Numpy数组的元组，而不是像以前那样返回tff.simulation.ClientData：

def tff_model_fn() -> tff.learning.Model:
    return tff.learning.from_keras_model(
        keras_model=factory.retrieve_model(True),
        input_spec=fashion_test.element_spec,
        loss=loss_builder(),
        metrics=metrics_builder())

iterative_process = tff.learning.build_federated_averaging_process(
    tff_model_fn, Parameters.server_adam_optimizer_fn, Parameters.client_adam_optimizer_fn)
server_state = iterative_process.initialize()

总结一下，

是否可以通过Keras Tuple Numpy数组创建tff.simulation.ClientData的元组元素？

我想到的另一种解决方案是使用 tff.simulation.HDF5ClientData并加载手动以HDF5格式(train.h5, test.h5)的适当文件以获取tff.simulation.ClientData，但是我的问题是我找不到fashion_mnist HDF5文件格式的网址，我的意思是就像训练和测试一样：

      fileprefix = 'fed_emnist_digitsonly'
      sha256 = '55333deb8546765427c385710ca5e7301e16f4ed8b60c1dc5ae224b42bd5b14b'
      filename = fileprefix + '.tar.bz2'
      path = tf.keras.utils.get_file(
          filename,
          origin='https://storage.googleapis.com/tff-datasets-public/' + filename,
          file_hash=sha256,
          hash_algorithm='sha256',
          extract=True,
          archive_format='tar',
          cache_dir=cache_dir)

      dir_path = os.path.dirname(path)
      train_client_data = hdf5_client_data.HDF5ClientData(
          os.path.join(dir_path, fileprefix + '_train.h5'))
      test_client_data = hdf5_client_data.HDF5ClientData(
          os.path.join(dir_path, fileprefix + '_test.h5'))

      return train_client_data, test_client_data

我的最终目标是使fashion_mnist数据集与TensorFlow联合学习一起工作。

Answer 1

您在正确的轨道上。回顾一下：tff.simulation.dataset API返回的数据集是tff.simulation.ClientData对象。 tf.keras.datasets.fashion_mnist.load_data返回的对象是tuple个numpy数组。

因此，需要实现一个tff.simulation.ClientData来包装tf.keras.datasets.fashion_mnist.load_data返回的数据集。以前有关实现ClientData对象的一些问题：

这确实需要回答一个重要的问题：Fashion MNIST数据应如何划分为单个用户？数据集不包含可用于分区的要素。研究人员提出了几种方法来对数据进行综合分区，例如为每个参与者随机抽取一些标签，但这将对模型训练产生很大影响，并且有助于在此处进行一些思考。

如何在Tensorflow Fedarated中加载Fashion MNIST数据集？

1 个答案: