FedXgbCyclic#

class FedXgbCyclic(**kwargs: Any)[源代码]#

基类:FedAvg

Configurable FedXgbCyclic strategy implementation.

Methods

aggregate_evaluate(server_round, results, ...)

Aggregate evaluation metrics using average.

aggregate_fit(server_round, results, failures)

Aggregate fit results using bagging.

configure_evaluate(server_round, parameters, ...)

配置下一轮评估。

configure_fit(server_round, parameters, ...)

配置下一轮训练。

evaluate(server_round, parameters)

使用评估函数评估模型参数。

initialize_parameters(client_manager)

初始化全局模型参数。

num_evaluation_clients(num_available_clients)

使用部分可用客户进行评估。

num_fit_clients(num_available_clients)

返回样本大小和所需的可用客户数量。

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]][源代码]#

Aggregate evaluation metrics using average.

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]][源代码]#

Aggregate fit results using bagging.

configure_evaluate(server_round: int, parameters: Parameters, client_manager: ClientManager) List[Tuple[ClientProxy, EvaluateIns]][源代码]#

配置下一轮评估。

configure_fit(server_round: int, parameters: Parameters, client_manager: ClientManager) List[Tuple[ClientProxy, FitIns]][源代码]#

配置下一轮训练。

evaluate(server_round: int, parameters: Parameters) Tuple[float, Dict[str, bool | bytes | float | int | str]] | None#

使用评估函数评估模型参数。

initialize_parameters(client_manager: ClientManager) Parameters | None#

初始化全局模型参数。

num_evaluation_clients(num_available_clients: int) Tuple[int, int]#

使用部分可用客户进行评估。

num_fit_clients(num_available_clients: int) Tuple[int, int]#

返回样本大小和所需的可用客户数量。