当训练tensorflow联合学习模型时，为什么我会看到本地时期的输出？

Question

我正在培训一种张量子流联合学习模型。我看不到时期的输出。详细信息如下：

split = 4
NUM_ROUNDS = 5
NUM_EPOCHS = 10
BATCH_SIZE = 2
PREFETCH_BUFFER = 5

for round_num in range(1, NUM_ROUNDS+1):
    state, tff_metrics = iterative_process.next(state, federated_train_data) 
    print('round {:2d}, metrics{}'.format(round_num,tff_metrics['train'].items()))
    
    eval_model = create_keras_model()
    eval_model.compile(optimizer=optimizers.Adam(learning_rate=client_lr),
                       loss=losses.BinaryCrossentropy(),
                       metrics=[tf.keras.metrics.Accuracy()])
    
    #tff.learning.assign_weights_to_keras_model(eval_model, state.model)
    state.model.assign_weights_to(eval_model)
    
    ev_result = eval_model.evaluate(x_val, y_val, verbose=2)
    train_metrics = tff_metrics['train']
      for name, value in tff_metrics['train'].items():
            tf.summary.scalar(name,value, step=round_num)
    
    tff_val_acc.append(ev_result[1])
    tff_val_loss.append(ev_result[0])

我的输出外观如下：

    round  1, metrics=odict_items([('accuracy', 0.0), ('loss', 1.2104079)])
    1/1 - 1s - loss: 0.7230 - accuracy: 0.0000e+00 - 1s/epoch - 1s/step
    round  2, metrics=odict_items([('accuracy', 0.0007142857), ('loss', 1.2233553)])
    1/1 - 1s - loss: 0.6764 - accuracy: 0.0000e+00  - 646ms/epoch - 646ms/step
    round  3, metrics=odict_items([('accuracy', 0.0),  ('loss', 1.1939998)])
    1/1 - 1s - loss: 0.6831 - accuracy: 0.0000e+00  - 635ms/epoch - 635ms/step
    round  4, metrics=odict_items([('accuracy', 0.0), ('loss', 1.2829995)])
    1/1 - 1s - loss: 0.6830 - accuracy: 0.0000e+00  - 641ms/epoch - 641ms/step
    round  5, metrics=odict_items([('accuracy', 0.0),  ('loss', 1.2051892)])
    1/1 - 1s - loss: 0.7135 - accuracy: 0.0000e+00 - 621ms/epoch - 621ms/step

每回合后，全局模型的这些值是否吗？如何绘制曲线以确保100个时期的全局模型的验证准确性（10轮，每轮10个局部时期）？ （不在张板中）

Answer 1

当训练tensorflow联合学习模型时，为什么我看不到本地时期的输出？

通常，在联合学习中，客户端执行的是服务器看不到的本​​地计算。在这种情况下，服务器（或美国建模者）仅查看本地培训的结果（而不是单个时期）。

每回合之后，全局模型的这些值是否？

是的，日志记录是陈述是每一轮后全球模型的训练和验证指标的组合。请注意，联邦学习中的培训指标具有微妙的特殊性。

round  1, metrics=odict_items([('accuracy', 0.0), ('loss', 1.2104079)])

这些行是培训指标，并且由代码生成：

print('round {:2d}, metrics{}'.format(round_num,tff_metrics['train'].items()))

验证指标是由Keras打印的，这些记录语句：

 1/1 - 1s - loss: 0.7230 - accuracy: 0.0000e+00 - 1s/epoch - 1s/step

正在由此行打印：

ev_result = eval_model.evaluate(x_val, y_val, verbose=2)

如何绘制曲线以获得100个时期的全局模型的验证精度（10发，每回合10个本地时期）？

tff_val_acc和tff_val_loss列表应具有验证度量值，按圆数索引。使用诸如matplotlib之类的库（ https://matplotlib.org/ ）绘制这些曲线的选项？