联邦学习超参数优化

本文描述了用于高级联邦学习超参数优化的方法。联邦学习超参数优化对机器学习训练提出了在集中式超参数优化中不存在的挑战。需要解决诸如以下的问题：缺乏数据可见性、模型参数聚合策略、联邦学习服务器和联邦学习客户端之间的通信开销、联邦学习训练轮次调度以及联邦学习客户端的可用性。可以对联邦学习训练进行某些增强，以改进联邦学习超参数优化过程。本公开提出了以下增强：一种用于配置用于联邦学习训练的超参数的方法；一种用于请求联邦学习超参数优化搜索空间缩减的方法；以及一种用于配置联邦学习超参数优化训练轮次的方法。