【源码】基于联邦学习和生成对抗网络的分布式数据集上的神经网络训练（GanSFL）

项目简介

本项目是基于联邦学习和生成对抗网络（GAN）的神经网络训练系统，名为 GanSFL。其主要目的是处理分布式数据集上的非独立同分布（Non-IID）特征。项目运用了来自不同域的数据集，如 MNIST、SVHN、USPS、SynthDigits、MNIST_M，并采用联邦学习方式在客户端之间共享模型更新。

项目的主要特性和功能

1. 支持在多个客户端之间进行模型训练，各客户端持有不同的数据集。
2. 引入 GAN 的鉴别器，提升模型在非独立同分布数据上的性能。
3. 对 ResNet18 模型在不同点切割，实验其对训练效果的影响。
4. 研究不同数据集大小对模型训练效果的作用。
5. 实验不同梯度权重对模型训练的影响。
6. 研究以不同客户端输出的特征图作为目标域对训练效果的影响。

安装使用步骤

1. 安装依赖：
   • 安装 pytorch 和 torchvision。
   • 安装 wandb 用于可视化和参数管理。
2. 配置环境：
   • 运行 wandb login 登录 wandb 账号，或运行 wandb offline 关闭 wandb。
3. 数据准备：
   • 新建 data 文件夹，将下载的数据集放入其中。
   • 在代码目录中新建 images/GanSFL 和 images/SFL 文件夹，用于保存训练过程中输出的特征图。
4. 配置参数：
   • 修改 config-defaults.yaml 文件中的配置参数，以适应不同的实验需求。
5. 运行代码：
   • 按照 README 中的说明运行代码，进行模型训练和实验。
6. 结果分析：
   • 通过 wandb 查看详细的实验对比结果，分析不同参数和条件下的模型性能。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】