如何解决使用 tff.learning.build_federated_evaluation 而不是 keras_evaluate
我是 TFF 的新手,我正在研究这个 tutorial。我想用 TFF 的预定义函数替换 keras_evaluate
函数:evaluation = tff.learning.build_federated_evaluation(model)
那么我该如何编辑这些行:
def keras_evaluate(state,round_num):
# Take our global model weights and push them back into a Keras model to
# use its standard `.evaluate()` method.
keras_model = load_model(batch_size=BATCH_SIZE)
keras_model.compile(
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),metrics=[FlattenedCategoricalAccuracy()])
state.model.assign_weights_to(keras_model)
loss,accuracy = keras_model.evaluate(example_dataset,steps=2,verbose=0)
print('\tEval: loss={l:.3f},accuracy={a:.3f}'.format(l=loss,a=accuracy))
for round_num in range(NUM_ROUNDS):
print('Round {r}'.format(r=round_num))
keras_evaluate(state,round_num)
state,metrics = fed_avg.next(state,train_datasets)
train_metrics = metrics['train']
print('\tTrain: loss={l:.3f},accuracy={a:.3f}'.format(
l=train_metrics['loss'],a=train_metrics['accuracy']))
print('Final evaluation')
keras_evaluate(state,NUM_ROUNDS + 1)
在这一行:
loss,verbose=0)
该函数仅对与 build_federated_evaluation
相反的数据集示例进行评估,它完全对 federated_test_data
进行评估。那么我如何修改这个函数来评估 federated_test_data
的整体,就像另一个 tutorial : test_metrics = evaluation(state.model,federated_test_data)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。