MODEL_SPEC в федеративном обучении (с использованием федеративного ядра Tensorflow)

Question

Я пытаюсь использовать федеративный код для создания собственного алгоритма федеративного обучения. Но я столкнулся с одной проблемой. В официальном руководстве он определяет спецификацию модели следующим образом:

      MODEL_SPEC = collections.OrderedDict(
            filter1 = tf.TensorSpec(shape=weights[0].shape, dtype=tf.float32),
            bias1 = tf.TensorSpec(shape=weights[1].shape, dtype=tf.float32),
            filter2 = tf.TensorSpec(shape=weights[2].shape, dtype=tf.float32),
            bias2 = tf.TensorSpec(shape=weights[3].shape, dtype=tf.float32),
            weight1 = tf.TensorSpec(shape=weights[4].shape, dtype=tf.float32),
            bias3 = tf.TensorSpec(shape=weights[5].shape, dtype=tf.float32)
        )
        MODEL_TYPE = tff.to_type(MODEL_SPEC)

Мне интересно, требуется ли вводить модель как OrderedDict. Могу ли я ввести модель как обучаемую модель Keras?

Спасибо!

Answer 1

Да, TFF может работать с моделями, определенными с помощью tf.keras.Model (функциональные или последовательные API-интерфейсы, а не API-интерфейсы подкласса) с использованием tff.learning.from_keras_model метод.

Этот метод используется в пособиях по федеративному обучению длятекста и учебныхпостроению собственного алгоритма федеративного обучениясоздания .