会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
Neo_DH
博客园
首页
新随笔
联系
订阅
管理
随笔 - 51
文章 - 0
评论 - 15
阅读 -
41029
Frank-Wolfe Note
A brief introduction of Frank-Wolfe
标签:
Optimization
,
Frank-Wolfe
好文要顶
关注我
收藏该文
微信分享
Neo_DH
粉丝 -
22
关注 -
18
+加关注
1
0
«
上一篇:
论文笔记11 - "Linear Convergence in Federated Learning: Tackling Client Heterogeneity and Sparse Gradients"
»
下一篇:
Exploring Recursion in Convex Optimization
posted @
2023-10-01 19:52
Neo_DH
阅读(
5
) 评论(
0
)
编辑
收藏
举报
刷新页面
返回顶部
登录后才能查看或发表评论,立即
登录
或者
逛逛
博客园首页
【推荐】还在用 ECharts 开发大屏?试试这款永久免费的开源 BI 工具!
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
编辑推荐:
·
AI与.NET技术实操系列(二):开始使用ML.NET
·
记一次.NET内存居高不下排查解决与启示
·
探究高空视频全景AR技术的实现原理
·
理解Rust引用及其生命周期标识(上)
·
浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
阅读排行:
·
DeepSeek 开源周回顾「GitHub 热点速览」
·
物流快递公司核心技术能力-地址解析分单基础技术分享
·
.NET 10首个预览版发布:重大改进与新特性概览!
·
AI与.NET技术实操系列(二):开始使用ML.NET
·
.NET10 - 预览版1新功能体验(一)
公告
昵称:
Neo_DH
园龄:
7年1个月
粉丝:
22
关注:
18
+加关注
<
2025年3月
>
日
一
二
三
四
五
六
23
24
25
26
27
28
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
1
2
3
4
5
搜索
常用链接
我的随笔
我的评论
我的参与
最新评论
我的标签
最新随笔
1.降低零阶方法对维度的依赖
2.Exploring Recursion in Convex Optimization
3.Frank-Wolfe Note
4.论文笔记11 - "Linear Convergence in Federated Learning: Tackling Client Heterogeneity and Sparse Gradients"
5.胡思乱想(1) - The Mechanism of SVRG
6.论文笔记(10)-"Closing the Gap: Tighter Analysis of Alternating Stochastic Gradient Methods for Bilevel Problems"
7.论文笔记(9)-"Personalized Federated Learning with Gaussian Processes"
8.论文笔记(8)-"Personalized Federated Learning using Hypernetworks"
9.Stateful TFF
10.Tensorflow Federated(TFF)框架整理(下)
我的标签
Paper Disscusion
(12)
code
(5)
优化
(5)
LeetCode
(4)
DL
(4)
Tensorflow
(3)
课程笔记
(3)
Optimization
(2)
Linux
(2)
federated learning
(2)
更多
随笔档案
2024年2月(1)
2023年11月(1)
2023年10月(1)
2022年5月(2)
2021年12月(5)
2021年11月(5)
2021年6月(2)
2021年5月(3)
2021年2月(2)
2021年1月(4)
2020年12月(1)
2020年10月(2)
2020年9月(1)
2020年8月(2)
2020年7月(1)
2020年6月(1)
2020年5月(7)
2020年4月(3)
2019年8月(1)
2019年7月(1)
2019年5月(2)
2019年4月(2)
2018年4月(1)
更多
相册
背景图片(49)
阅读排行榜
1. 高斯分布相乘、积分整理(12493)
2. 稀疏光流特征点跟踪(KLT)(4443)
3. 联邦学习FedAvg记录(2210)
4. 三种联邦学习的个性化方法及应用(2121)
5. 多目标损失中权重学习(1841)
评论排行榜
1. 稀疏光流特征点跟踪(KLT)(7)
2. 三种联邦学习的个性化方法及应用(4)
3. Tensorflow Federated(TFF)框架整理(上)(3)
4. [自用] Linux学习整理(1)
推荐排行榜
1. Tensorflow Federated(TFF)框架整理(上)(2)
2. 三种联邦学习的个性化方法及应用(2)
3. 对拜占庭攻击鲁棒的异分布数据分布学习的梯度更新方法RSA(2)
4. 降低零阶方法对维度的依赖(1)
5. Exploring Recursion in Convex Optimization(1)
最新评论
1. Re:Tensorflow Federated(TFF)框架整理(上)
@Neo_DH
好的好的,感谢博主😊
--MoneYaaa
2. Re:Tensorflow Federated(TFF)框架整理(上)
@MoneYaaa 是的,这里tff只是需要一个模型,之后的训练是有按他自己方式做的。然后callback函数是用在训练、评估的时候,所以keras的肯定是不能用的tff里的。具体tff的有没有提供类...
--Neo_DH
3. Re:Tensorflow Federated(TFF)框架整理(上)
博主你好,我看了你写的文章后大有收获。但我有一个问题,当我用keras转换器的方法写模型时,能否在训练的时候加回调函数?(比如早停)我看了关于keras回调函数的使用,基本都是写在modle.fit(...
--MoneYaaa
4. Re:三种联邦学习的个性化方法及应用
@Neo_DH 感谢!...
--UMR-cc
5. Re:三种联邦学习的个性化方法及应用
@UMR-cc 文章中没有说q,group的数量怎么得到。就像KMeans一样,可能不知道潜在应该分多少类,可以通过eblow rule一样得到,也可以像谱聚类一样,设定阈值(cluster fede...
--Neo_DH
点击右上角即可分享
AI FOR CODE 大赛
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· .NET10 - 预览版1新功能体验(一)