联邦学习新法训练拆分计算头网络

研究者 Yutaro Horikawa 提出一种面向拆分计算的头网络训练方法：利用联邦学习与知识蒸馏，让移动设备仅用少量非独立同分布、无标签的数据训练头网络，训练数据不出设备。 论文称，引入个性化后，该方法精度与现有方法相当或更优；在仅本方法受数据限制的条件下，精度与基线相当，移动设备通信需求降低 95%，精度较原模型仅下降 3 至 5 个百分点。上述效果为论文作者报告的结果。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。