论文笔记——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge

论文笔记——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge

本文提出了一种基于边缘计算的协议来改进联邦学习算法。

由服务器和基站（BS）组成的位于无线网络中的特定MEC平台管理服务器和客户端的行为。

通过MEC operator 对客户端进行选择。

首先，随机选取一定占比的客户端，要求这些客户端发送其资源信息（例如无线信道状态，计算能力（例如，他们是否可以备用CPU或GPU来更新模型）以及与之相关的数据资源的大小）给MEC operator。

然后，MEC operator 根据收到的信息估计分发和计划的更新和上传步骤所需的时间，并确定哪些客户端进入这些步骤，以对户端进行选择。

FedCS协议

  

客户端选择

使用CIFAR-10和Fashion-MNIST数据集测试协议性能：

IID

non-IID

会不会造成拥有大量数据的客户端参与训练的机会较小，浪费了大量可用于训练的数据？

原文见论文题目