Adaptive Ratio-Based-Threshold Gradient Sparsification Scheme for Federated Learning
Notice bibliographique
Résumé
Federated learning (FL) is a distributed learning paradigm that has received great attention over the past several years due to its privacy-preserving property. As the models involved in FL are usually dense and overparameterized however, various studies are being conducted in gradient sparsification to reduce the high communication overhead. While many of the recently-presented schemes that are variations of top-k have shown competitive inference accuracy convergence to the baseline “vanilla” FL, they have a fixed sparsity rate throughout all of the communication rounds, which leads to an unnecessary excessive transmission of gradients as the global model converges. Furthermore, the constant-threshold gradient sparsification method called Threshold-z-, that is well-known for its dynamic rate, does not account for the ratio between the gradient and the pre-update parameter value, causing some gradients that are orders of magnitude larger than the pre-update parameter values to be neglected in the following aggregation process. In this paper, we introduce a new algorithm that addresses both of these issues, called adaptive ratio-based-threshold gradient sparsification method. Our main idea is introducing a custom gradient sparsity threshold for each local parameter based on their pre-update value and a hyperparameter denoted as Ψ. We demonstrate through image classification experiments on MNIST and CIFAR-10 datasets in both independent-and-identically-distributed (IID) and non-IID settings that under optimal Ψ, the gradient sparsity rates adapt & increase as the global model converges, while simultaneously producing inference accuracies that are competitive to vanilla FL.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».