摘要：
## 一、装饰器 参考：https://zhuanlan.zhihu.com/p/87353829 https://blog.csdn.net/zhh763984017/article/details/120072425 将函数作为对象 ###闭包概念 ``` def outer（x）： def i 阅读全文
摘要：
一、PruneFL出发点（解决的问题） 1、减少通信量以及计算开销， 2、在保持精度的同时最小化联邦训练的总体时间 在合理的时间和精力内训练模型 二、简介 pruneFL作为联邦学习与模型剪枝相结合的一种新的范式，，主要有以下两个部分： a）distributed prunning 分为两个stag 阅读全文
摘要：
一、MAML 1、示意图： \(\theta_i^*\) 表示不同任务的适应参数，$\nabla L_i$表示不同任务上的梯度方向 2、算法： 在每个不同的任务上，使用自己任务的support set对全局的参数$\theta$ 进行梯度更新（类似微调），并保存各个任务在query set 上的lo 阅读全文
摘要：
###一、random.choice()方法，从列表中选择一个元素进行输出 import random name = ['lili', 'wangwei', 'chenyu', 'luoyan'] node_id = random.choice(name) print(node_id) 结果: ## 阅读全文
摘要：
#HyperNetwork 论文地址 1、灵感来源于nature中的基因型（超网络）以及表型（主网络） 2、主要为了解决CNN，RNN中权重不共享以及RNN中全共享的问题，旨在创造一个relaxed weight-sharing across layers的模型，在不特别影响精度的情况下，减少了模型 阅读全文
摘要：
pFedHN 文章的主要贡献 （1）提出了新的基于Hypernetworks的个性化联邦学习 （2）模型的泛化能力强，对于新用户也能有良好的表现 （3）对于拥有不同的计算资源的客户端能有一个适配的不同大小的模型 idea 使用embedding层，根据id生成一个 vector Vi，成为超网络的传 阅读全文