Result¶
- class Result(arrays: ~flwr.app.message.arrayrecord.ArrayRecord = <factory>, train_metrics_clientapp: dict[int, ~flwr.app.message.metricrecord.MetricRecord] = <factory>, evaluate_metrics_clientapp: dict[int, ~flwr.app.message.metricrecord.MetricRecord] = <factory>, evaluate_metrics_serverapp: dict[int, ~flwr.app.message.metricrecord.MetricRecord] = <factory>)[source]¶
Bases :
objectClasse de données portant des enregistrements générés pendant l’exécution d’une stratégie.
Cette classe encapsule les résultats de l’exécution d’une stratégie d’apprentissage fédéré, y compris les paramètres du modèle global final et les métriques collectées tout au long des étapes d’entraînement et d’évaluation (à la fois fédérées et centralisées).
- arrays¶
Les paramètres du modèle global finaux. Contient les poids/paramètres agrégés qui résultent du processus d’apprentissage fédéré.
- Type:
- train_metrics_clientapp¶
Métriques de formation collectées à partir des ClientApps, indexées par le numéro de tour. Contiennent les métriques agrégées (par exemple, perte, précision) de la phase de formation de chaque tour d’apprentissage fédéré.
- Type:
dict[int, MetricRecord]
- evaluate_metrics_clientapp¶
Métriques d’évaluation collectées à partir des ClientApps, indexées par le numéro de tour. Contiennent les métriques agrégées (par exemple, perte de validation) de la phase d’évaluation où les ClientApps évaluent le modèle global sur leurs données de validation/test locales.
- Type:
dict[int, MetricRecord]
- evaluate_metrics_serverapp¶
Métriques d’évaluation générées au niveau du ServerApp, indexées par le numéro de tour. Contiennent les métriques de l’évaluation centralisée effectuée par le ServerApp (par exemple, lorsque le serveur évalue le modèle global sur un jeu de données tenu à l’abri).
- Type:
dict[int, MetricRecord]
Methods
Attributes