DPFedAvgFixed

class DPFedAvgFixed(strategy: Strategy, num_sampled_clients: int, clip_norm: float, noise_multiplier: float = 1, server_side_noising: bool = True)

Bases: Strategy

封装器，用于为具有固定剪切功能的 DP 配置策略。

Warning

This class is deprecated and will be removed in a future release.

Methods

aggregate_evaluate(server_round, results, ...)	使用给定的策略汇总评估损失。
aggregate_fit(server_round, results, failures)	使用非加权汇总法汇总训练结果。
configure_evaluate(server_round, parameters, ...)	使用指定策略配置下一轮评估。
configure_fit(server_round, parameters, ...)	配置包含差分隐私 (DP) 的下一轮训练。
evaluate(server_round, parameters)	使用策略中的评估函数评估模型参数。
initialize_parameters(client_manager)	使用给定的策略初始化全局模型参数。

aggregate_evaluate(server_round: int, results: list[tuple[ClientProxy, EvaluateRes]], failures: list[tuple[ClientProxy, EvaluateRes] | BaseException]) → tuple[float | None, dict[str, bool | bytes | float | int | str]]

使用给定的策略汇总评估损失。

aggregate_fit(server_round: int, results: list[tuple[ClientProxy, FitRes]], failures: list[tuple[ClientProxy, FitRes] | BaseException]) → tuple[Parameters | None, dict[str, bool | bytes | float | int | str]]

使用非加权汇总法汇总训练结果。

configure_evaluate(server_round: int, parameters: Parameters, client_manager: ClientManager) → list[tuple[ClientProxy, EvaluateIns]]

使用指定策略配置下一轮评估。

参数:

• server_round (int) -- 本轮联邦学习。

• parameters (Parameters) -- 当前（全局）模型参数。

• client_manager (ClientManager) -- 客户端管理器，用于管理当前连接的所有客户端。

返回:

evaluate_configuration -- 一个元组列表。列表中的每个元组都标识了一个`ClientProxy`和该特定`ClientProxy`的`EvaluateIns`。如果某个特定的 ClientProxy 未包含在此列表中，则表示该 ClientProxy 将不参与下一轮联合评估。

返回类型:

List[Tuple[ClientProxy, EvaluateIns]]

configure_fit(server_round: int, parameters: Parameters, client_manager: ClientManager) → list[tuple[ClientProxy, FitIns]]

配置包含差分隐私 (DP) 的下一轮训练。

下一轮训练的配置包括与 DP 相关的信息，如片段规范和噪声 stddev。

参数:

• server_round (int) -- 本轮联邦学习。

• parameters (Parameters) -- 当前（全局）模型参数。

• client_manager (ClientManager) -- 客户端管理器，用于管理当前连接的所有客户端。

返回:

fit_configuration -- 一个元组列表。列表中的每个元组都标识了一个`ClientProxy`和该特定`ClientProxy`的`FitIns'。如果某个特定的`ClientProxy`不在此列表中，则表示该`ClientProxy`将不参加下一轮联合学习。

返回类型:

List[Tuple[ClientProxy, FitIns]]

evaluate(server_round: int, parameters: Parameters) → tuple[float, dict[str, bool | bytes | float | int | str]] | None

使用策略中的评估函数评估模型参数。

initialize_parameters(client_manager: ClientManager) → Parameters | None

使用给定的策略初始化全局模型参数。