我们研究了在分散的点对点环境中培训个性化深度学习模型的问题,重点是客户之间的数据分布在客户之间有所不同,而不同的客户具有不同的本地学习任务。我们研究了协变量和标签变化,我们的贡献是一种算法,对于每个客户,根据本地任务的相似性估计,它都会发现有益的协作。我们的方法不依赖于难以估计的超参数,例如客户群的数量,而是使用基于新颖的自适应八卦算法的软群集分配不断适应网络拓扑。我们在各种设置中测试了所提出的方法,其中数据并非独立且在客户端之间分布相同。实验评估表明,对于此问题设置,所提出的方法的性能优于以前的最新算法,并且在以前的方法失败的情况下处理情况很好。
translated by 谷歌翻译