联邦学习--论文汇总（十）

                      两篇关于压缩模型的联邦学习文章

[1] He C , Annavaram M , Avestimehr S . Group Knowledge Transfer: Federated Learning of Large CNNs at the Edge[J]. 2020.

[2] Caldas S , J Konečny, Mcmahan H B , et al. Expanding the Reach of Federated Learning by Reducing Client Resource Requirements[J]. 2018.

引言概括

针对边缘计算，对于模型规模大、节点多、客户端带宽受限的挑战，今天的两篇都提出了新颖的思想：

在一些图像数据集进行有损压缩是可以接受的，保留关键参数就可以满足需求，现在采用的是将全局模型有损压缩为小模型，客户端对小模型训练后，再压缩至服务器进行解压后聚合，此处颠覆了我们的以往认知，这样的好处是既减少了通信量，又不是很影响精度，解决了客户端数量多、模型规模大的瓶颈。

Group Knowledge Transfer: Federated Learning of Large CNNs at the Edge(组知识迁移：边缘设备的大型CNN联邦学习)

思想：  FedGKT可以有效地在边缘上训练小CNN，通过知识蒸馏周期性地将小CNN的知识转移到一个大容量的服务器端CNN。

瓶颈： 扩大卷积神经网络的规模（宽度、深度）有效提高模型的精度，模型太大阻碍边缘设备训练，边缘设备缺乏GPU加速器和足够的内存，无法在资源受限的边缘设备上训练大型CNN。

优点：

1. 减少对边缘计算的需求
2. 降低大型cnn的通信成本（带宽）
3. 异步训练，同时保持与FL相当的模型精度

通信成本：

规则

W表示全局CNN在每个用户的网络权重，以前的FedAvg算法：

（1）特征提取器，分类，压缩至边缘本地训练
（2）周期性迁移到服务器端
（3）再迁移回边缘端（ResNet-56 or ResNet-110 压缩到边缘端和服务端）
（4）全局模型

将全局模型优化到非凸模型问题，修改目标函数，同时求解服务端模型和边缘模型，两个分区：
（1）一个小的特征提取模型$W_e$, 加入分类器$W_c$
（2）一个大规模服务端模型$W_s$

$l_s$和$l_c$表示服务器模型和边缘模型的损失函数，$f^{(k)}$是包含特征提取器和分类器：

$H_i^{(k)}$是由特征提取器$f_e^{(k)}$对第i个样本的特征映射吗，服务器将$H_i^{(k)}$作为输入特征，最终结果由两者堆叠，在本地进行离线推理。

注：可能数据集太小，训练效果不好，易受到改变和干扰，输入不好

解决办法：引入知识蒸馏损失放入到优化方程中，双向迁移：

$l_{CE}$是预测值和真实标签的交叉熵，KL是散度函数

改进的交替最小化，重构优化：

超参数(当精确率稳定，学习率下降)：

1.通信轮
2.边缘的epoch：取1
3.服务器的epoch：iid 20 ,non-iid 10
4.服务端的学习率

步骤：
1.在每一轮的训练中，客户端使用本地SGD来训练几个epoch，然后将提取的特征图和相关的日志发送到服务器。
2. 当服务器接收到从每个客户端提取的特征和日志时，它训练更大的服务器端CNN。
3. 服务器将其全局logit发送回每个客户机。

实验

在16个客户端和一个GPU服务器上运行所有数据集和模型。任务是对CIFAR-10、CIFAR-100和CINIC-10上进行图像分类。
将训练样本分成K个不平衡的分区，测试精度采用top-1，与最好的FedAvg比较，FedProx在大型CNN下性能不如FedAvg，不采用FedMA,不包括归一化层，模型架构：ResNet-56和ResNet-110，设计一个小型的CNN架构ResNet-8，包含8个卷积层的紧凑CNN，有相同的输入维度匹配边缘特征提取器的输出。

数据分布（我之前也是想这样分组）：

方法的局限性：

1. 隐私安全：但基于以前的差分隐私和多方计算，交换隐藏的特征图比交换模型或梯度更安全。在训练阶段隐藏映射交换。模型或梯度交换可能泄露隐私，缺乏分析
2. 通信成本：隐藏向量比权重或梯度小，每个数据点的隐藏向量可以独立传输，FedGKT比梯度或模型交换要求更小的带宽，通信代价取决于数据点的数量，在样本数量非常大，图像分辨率非常高的情况下，方法和分割学习总的来说都有很高的通信成本。
3. 标签缺陷：只能用于监督学习，缺乏足够的标签
4. 可伸缩性：在跨设备设置中，我们需要使用大量的智能手机协同训练模型(如客户端数量高达100万)。

Expanding the Reach of Federated Learning by Reducing Client Resource Requirements（通过减少客户机资源需求扩展联邦学习的范围）

背景

网络速度和节点数量是区分FL与传统数据中心分布式学习的两个核心系统方面，网络带宽可能会慢几个数量级，而工作节点的数量可能会大几个数量级，导致在训练阶段系统地排除带宽或网络访问受限的客户端，从而降低了这些模型的用户体验。

在训练和推理方面，深度模型往往需要大量的计算资源、大模型，采用有损压缩方法：修剪网络和模型蒸馏

方法可行性：
1.服务器和客户端可以交换

2.基于Dropout ，使每个设备在更小的模型上进行本地操作，提供可应用于服务器上更大的全局模型的更新。

3.彼此兼容，而且与现有的客户机到服务器压缩兼容。

4.客户机到服务器的更新大小减少。

5.局部训练过程现在对每个梯度计算需要更少的FLOPS，减少了局部计算代价。

思想

(1)在服务器到客户端的全局模型上使用有损压缩;
(2) Federated Dropout，它允许用户在全局模型的更小的子集上进行有效的本地训练，同时也减少了客户端到服务器的通信和本地计算，降低了通信成本，同时也降低了本地训练的计算成本。
(3) 使用随机的Hadamard变换减少后续量化产生的误差，向量的信息更均匀地分布在其分量上。

方法：

1. 有损压缩： 使用轻量级有损压缩技术，应用于已经训练过的模型，并且在反向时(即解压后)保持模型的质量。

2. 将模型中的每个待压缩权矩阵重新塑造为向量w，基变换，子样本，量化结果向量，通过网络发送，逆变换，获得w的噪声版本

基变换：减少量化等扰动产生的误差，Hadamard变换更均匀地将矢量的信息分布在其维度之间，应用Kashin[1977]的经典结果，在每个维度上尽可能多地传播矢量信息，与使用随机Hadamard变换相比，Kashin的表示减少了后续量化产生的错误。

子样本：每个权重矩阵中元素的1−s部分归零，适当地重新缩放剩下的值，只传递非零值和允许恢复相应索引的随机种子

概率量化：量化后区间是w的无偏估计，分成$2^q$个区间，当落入区间后，用此区间的最大或最小值代替[第一篇汇总的论文，Konen J , Mcmahan H B , Yu F X , et al. Federated Learning: Strategies for Improving Communication Efficiency[J]. 2016]。

Federated Dropout: 每个客户端不是局部训练一个更新到整个全局模型，而是训练一个更新到更小的子模型。这些子模型是全局模型的子集，因此，计算出的局部更新可以很自然地解释为对更大的全局模型的更新。为了节约计算和通信成本，用0代替固定数量的全连接层激活函数，紫墨鑫具有相同的简化架构。即使一些单位被删除了，激活仍然与原始的权重矩阵相乘，它们只是有一些无用的行和列。服务器可以将必要的值映射到这个简化的体系结构中，这意味着只有必要的系数被传输到客户端，重新打包为更小的密集矩阵。

      所有矩阵相乘的维数都更小， 2.需要应用更少的滤波器(对于卷积层)

（1）通过Federated Dropout 构造子模型
（2）有损压缩，并发送到客户端
（3）客户端解压，使用本地数据训练
（4）压缩更新，发送到服务器
（5）解压
（6）聚合到全局更新

实验：
数据集 MNIST ， CIFAR-10 和扩展MNIST或EMNIST ，测试FedAvg和有损压缩

模型组成： 两个5X5的卷积层CNN，32通道，第二个是64通道，每个连接2X2的最大池化层，有512个单元的全连接层和reLu激活函数，最后连接softmax输出层，超过$10^6$参数。

有损压缩（改变三个变量）：

1. 基变换类型：无变换或单位变换、随机Hadamard transform (HD) and Kashin’s representation (K).
2. 子样本率s，保留的重量比例
3. 量化位q的个数

实验结果：

(1)对于每个模型，我们都能够找到一个至少与我们的基线匹配的压缩参数设置
(2) Kashin表示对激进量化值是最有用的
(3)子抽样在服务器到客户端设置中似乎并不是那么有用
(4)改变了模型每一层上保留的神经元(或卷积层的过滤器)的百分比（联邦退出率）

未来：

1. 引入步长，考虑对不同子模型的使用有效性
2. 更小的、也许是个性化的子模型最终被聚合成一个更大、更复杂的模型，可以由服务器管理。