 Ver no TensorFlow.org |  Executar no Google Colab |  Ver fonte no GitHub |  Baixar caderno |
Este tutorial baseia-se nos conceitos da Federated Aprendizagem para Imagem Classification tutorial, e demonstra várias outras abordagens úteis para a aprendizagem federado.
Em particular, carregamos um modelo Keras previamente treinado e o refinamos usando treinamento federado em um conjunto de dados descentralizado (simulado). Isso é praticamente importante por vários motivos. A capacidade de usar modelos serializados facilita a combinação do aprendizado federado com outras abordagens de ML. Além disso, este permite o uso de uma gama crescente de modelos pré-treinados --- por exemplo, modelos de linguagem formação a partir do zero raramente é necessário, como inúmeros modelos pré-treinados estão agora amplamente disponíveis (ver, por exemplo, TF Hub ). Em vez disso, faz mais sentido começar a partir de um modelo pré-treinado e refiná-lo usando o Aprendizado Federado, adaptando-se às características específicas dos dados descentralizados para um aplicativo específico.
Para este tutorial, começamos com um RNN que gera caracteres ASCII e o refinamos por meio do aprendizado federado. Também mostramos como os pesos finais podem ser retornados ao modelo Keras original, permitindo uma avaliação fácil e geração de texto usando ferramentas padrão.
!pip install --quiet --upgrade tensorflow-federated-nightly
!pip install --quiet --upgrade nest-asyncio
import nest_asyncio
nest_asyncio.apply()
import collections
import functools
import os
import time
import numpy as np
import tensorflow as tf
import tensorflow_federated as tff
np.random.seed(0)
# Test the TFF is working:
tff.federated_computation(lambda: 'Hello, World!')()
b'Hello, World!'
Carregue um modelo pré-treinado
Nós carregar um modelo que foi pré-treinados após a TensorFlow tutorial geração de texto usando uma RNN com a execução ansioso . No entanto, ao invés de formação sobre As Obras Completas de Shakespeare , nós pré-treinado o modelo sobre o texto do Charles Dickens' Um Conto de Duas Cidades e A Christmas Carol .
Além de expandir o vocabulário, não modificamos o tutorial original, então este modelo inicial não é o que há de mais moderno, mas produz previsões razoáveis e é suficiente para nossos propósitos de tutorial. O modelo final foi salvo com tf.keras.models.save_model(include_optimizer=False) .
Usaremos o aprendizado federado para ajustar este modelo para Shakespeare neste tutorial, usando uma versão federada dos dados fornecidos pela TFF.
Gerar as tabelas de pesquisa de vocabulário
# A fixed vocabularly of ASCII chars that occur in the works of Shakespeare and Dickens:
vocab = list('dhlptx@DHLPTX $(,048cgkoswCGKOSW[_#\'/37;?bfjnrvzBFJNRVZ"&*.26:\naeimquyAEIMQUY]!%)-159\r')
# Creating a mapping from unique characters to indices
char2idx = {u:i for i, u in enumerate(vocab)}
idx2char = np.array(vocab)
Carregue o modelo pré-treinado e gere algum texto
def load_model(batch_size):
urls = {
1: 'https://storage.googleapis.com/tff-models-public/dickens_rnn.batch1.kerasmodel',
8: 'https://storage.googleapis.com/tff-models-public/dickens_rnn.batch8.kerasmodel'}
assert batch_size in urls, 'batch_size must be in ' + str(urls.keys())
url = urls[batch_size]
local_file = tf.keras.utils.get_file(os.path.basename(url), origin=url)
return tf.keras.models.load_model(local_file, compile=False)
def generate_text(model, start_string):
# From https://www.tensorflow.org/tutorials/sequences/text_generation
num_generate = 200
input_eval = [char2idx[s] for s in start_string]
input_eval = tf.expand_dims(input_eval, 0)
text_generated = []
temperature = 1.0
model.reset_states()
for i in range(num_generate):
predictions = model(input_eval)
predictions = tf.squeeze(predictions, 0)
predictions = predictions / temperature
predicted_id = tf.random.categorical(
predictions, num_samples=1)[-1, 0].numpy()
input_eval = tf.expand_dims([predicted_id], 0)
text_generated.append(idx2char[predicted_id])
return (start_string + ''.join(text_generated))
# Text generation requires a batch_size=1 model.
keras_model_batch1 = load_model(batch_size=1)
print(generate_text(keras_model_batch1, 'What of TensorFlow Federated, you ask? '))
Downloading data from https://storage.googleapis.com/tff-models-public/dickens_rnn.batch1.kerasmodel 16195584/16193984 [==============================] - 0s 0us/step 16203776/16193984 [==============================] - 0s 0us/step What of TensorFlow Federated, you ask? Sall yesterday. Received the Bailey." "Mr. Lorry, grimmering himself, or low varked thends the winter, and the eyes of Monsieur Defarge. "Let his mind, hon in his life and message; four declare
Carregar e pré-processar os dados federados de Shakespeare
O tff.simulation.datasets pacote fornece uma variedade de conjuntos de dados que são divididas em "clientes", onde cada cliente corresponde a um conjunto de dados em um dispositivo em particular que possam participar na aprendizagem federado.
Esses conjuntos de dados fornecem distribuições de dados não-IID realistas que replicam na simulação os desafios do treinamento em dados reais descentralizados. Alguns dos pré-processamento desses dados foi feito utilizando ferramentas do projeto Folha ( github ).
train_data, test_data = tff.simulation.datasets.shakespeare.load_data()
Os conjuntos de dados fornecidos pelo shakespeare.load_data() consistem de uma sequência de cordas Tensors , um para cada linha falada por um caráter particular em uma peça de Shakespeare. As chaves do cliente consistem no nome do jogo se juntou com o nome do personagem, assim, por exemplo MUCH_ADO_ABOUT_NOTHING_OTHELLO corresponde às linhas para o personagem Otelo na peça Muito Barulho por Nada. Observe que, em um cenário de aprendizagem federado real, os clientes nunca são identificados ou rastreados por ids, mas para simulação é útil trabalhar com conjuntos de dados codificados.
Aqui, por exemplo, podemos olhar alguns dados de King Lear:
# Here the play is "The Tragedy of King Lear" and the character is "King".
raw_example_dataset = train_data.create_tf_dataset_for_client(
'THE_TRAGEDY_OF_KING_LEAR_KING')
# To allow for future extensions, each entry x
# is an OrderedDict with a single key 'snippets' which contains the text.
for x in raw_example_dataset.take(2):
print(x['snippets'])
tf.Tensor(b'', shape=(), dtype=string) tf.Tensor(b'What?', shape=(), dtype=string)
Agora usamos tf.data.Dataset transformações para preparar esses dados para treinar o caractere RNN carregado acima.
# Input pre-processing parameters
SEQ_LENGTH = 100
BATCH_SIZE = 8
BUFFER_SIZE = 100 # For dataset shuffling
# Construct a lookup table to map string chars to indexes,
# using the vocab loaded above:
table = tf.lookup.StaticHashTable(
tf.lookup.KeyValueTensorInitializer(
keys=vocab, values=tf.constant(list(range(len(vocab))),
dtype=tf.int64)),
default_value=0)
def to_ids(x):
s = tf.reshape(x['snippets'], shape=[1])
chars = tf.strings.bytes_split(s).values
ids = table.lookup(chars)
return ids
def split_input_target(chunk):
input_text = tf.map_fn(lambda x: x[:-1], chunk)
target_text = tf.map_fn(lambda x: x[1:], chunk)
return (input_text, target_text)
def preprocess(dataset):
return (
# Map ASCII chars to int64 indexes using the vocab
dataset.map(to_ids)
# Split into individual chars
.unbatch()
# Form example sequences of SEQ_LENGTH +1
.batch(SEQ_LENGTH + 1, drop_remainder=True)
# Shuffle and form minibatches
.shuffle(BUFFER_SIZE).batch(BATCH_SIZE, drop_remainder=True)
# And finally split into (input, target) tuples,
# each of length SEQ_LENGTH.
.map(split_input_target))
Note-se que na formação das sequcias originais e na formação de lotes acima, usamos drop_remainder=True para simplicidade. Isto significa que qualquer caracteres (clientes) que não têm pelo menos (SEQ_LENGTH + 1) * BATCH_SIZE caracteres de texto terá conjuntos de dados vazios. Uma abordagem típica para resolver isso seria preencher os lotes com um token especial e, em seguida, mascarar a perda para não levar os tokens de preenchimento em consideração.
Isso iria complicar o exemplo um pouco, portanto, para este tutorial só usamos lotes completos, como no tutorial padrão . No entanto, na configuração federada, esse problema é mais significativo, porque muitos usuários podem ter pequenos conjuntos de dados.
Agora podemos pré-processar o nosso raw_example_dataset , e verificar os tipos:
example_dataset = preprocess(raw_example_dataset)
print(example_dataset.element_spec)
(TensorSpec(shape=(8, 100), dtype=tf.int64, name=None), TensorSpec(shape=(8, 100), dtype=tf.int64, name=None))
Compile o modelo e teste os dados pré-processados
Nós carregamos um modelo keras uncompiled, mas a fim de executar keras_model.evaluate , precisamos compilá-lo com uma perda e métricas. Também compilaremos em um otimizador, que será usado como o otimizador no dispositivo no Federated Learning.
O tutorial original não tinha precisão de nível de caractere (a fração de previsões onde a maior probabilidade foi colocada no próximo caractere correto). Esta é uma métrica útil, por isso a adicionamos. No entanto, precisamos definir uma nova classe métrica para isso, porque as nossas previsões tem classificação 3 (um vetor de logits para cada um dos BATCH_SIZE * SEQ_LENGTH previsões), e SparseCategoricalAccuracy espera apenas Posição 2 previsões.
class FlattenedCategoricalAccuracy(tf.keras.metrics.SparseCategoricalAccuracy):
def __init__(self, name='accuracy', dtype=tf.float32):
super().__init__(name, dtype=dtype)
def update_state(self, y_true, y_pred, sample_weight=None):
y_true = tf.reshape(y_true, [-1, 1])
y_pred = tf.reshape(y_pred, [-1, len(vocab), 1])
return super().update_state(y_true, y_pred, sample_weight)
Agora podemos compilar um modelo, e avaliá-lo em nosso example_dataset .
BATCH_SIZE = 8 # The training and eval batch size for the rest of this tutorial.
keras_model = load_model(batch_size=BATCH_SIZE)
keras_model.compile(
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=[FlattenedCategoricalAccuracy()])
# Confirm that loss is much lower on Shakespeare than on random data
loss, accuracy = keras_model.evaluate(example_dataset.take(5), verbose=0)
print(
'Evaluating on an example Shakespeare character: {a:3f}'.format(a=accuracy))
# As a sanity check, we can construct some completely random data, where we expect
# the accuracy to be essentially random:
random_guessed_accuracy = 1.0 / len(vocab)
print('Expected accuracy for random guessing: {a:.3f}'.format(
a=random_guessed_accuracy))
random_indexes = np.random.randint(
low=0, high=len(vocab), size=1 * BATCH_SIZE * (SEQ_LENGTH + 1))
data = collections.OrderedDict(
snippets=tf.constant(
''.join(np.array(vocab)[random_indexes]), shape=[1, 1]))
random_dataset = preprocess(tf.data.Dataset.from_tensor_slices(data))
loss, accuracy = keras_model.evaluate(random_dataset, steps=10, verbose=0)
print('Evaluating on completely random data: {a:.3f}'.format(a=accuracy))
Downloading data from https://storage.googleapis.com/tff-models-public/dickens_rnn.batch8.kerasmodel 16195584/16193984 [==============================] - 0s 0us/step 16203776/16193984 [==============================] - 0s 0us/step Evaluating on an example Shakespeare character: 0.402000 Expected accuracy for random guessing: 0.012 Evaluating on completely random data: 0.011
Ajuste o modelo com Federated Learning
O TFF serializa todos os cálculos do TensorFlow para que possam ser executados em um ambiente não Python (embora, no momento, apenas um tempo de execução de simulação implementado em Python esteja disponível). Mesmo que estamos executando no modo ansioso, (TF 2.0), atualmente TFF Serializa TensorFlow cálculos construindo os ops necessárias dentro do contexto de um " with tf.Graph.as_default() " declaração. Portanto, precisamos fornecer uma função que a TFF possa usar para apresentar nosso modelo em um gráfico que ele controla. Fazemos isso da seguinte maneira:
# Clone the keras_model inside `create_tff_model()`, which TFF will
# call to produce a new copy of the model inside the graph that it will
# serialize. Note: we want to construct all the necessary objects we'll need
# _inside_ this method.
def create_tff_model():
# TFF uses an `input_spec` so it knows the types and shapes
# that your model expects.
input_spec = example_dataset.element_spec
keras_model_clone = tf.keras.models.clone_model(keras_model)
return tff.learning.from_keras_model(
keras_model_clone,
input_spec=input_spec,
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=[FlattenedCategoricalAccuracy()])
Agora estamos prontos para construir um processo iterativo Federated Média, que usaremos para melhorar o modelo (para mais detalhes sobre o algoritmo Média Federados, ver o papel de Aprendizagem Comunicação Eficiente de profunda Networks partir descentralizada de dados ).
Usamos um modelo Keras compilado para realizar a avaliação padrão (não federada) após cada rodada de treinamento federado. Isso é útil para fins de pesquisa ao fazer aprendizagem federada simulada e há um conjunto de dados de teste padrão.
Em um ambiente de produção realista, essa mesma técnica pode ser usada para pegar modelos treinados com aprendizagem federada e avaliá-los em um conjunto de dados de referência centralizado para fins de teste ou garantia de qualidade.
# This command builds all the TensorFlow graphs and serializes them:
fed_avg = tff.learning.build_federated_averaging_process(
model_fn=create_tff_model,
client_optimizer_fn=lambda: tf.keras.optimizers.SGD(lr=0.5))
Aqui está o loop mais simples possível, onde executamos a média federada para uma rodada em um único cliente em um único lote:
state = fed_avg.initialize()
state, metrics = fed_avg.next(state, [example_dataset.take(5)])
train_metrics = metrics['train']
print('loss={l:.3f}, accuracy={a:.3f}'.format(
l=train_metrics['loss'], a=train_metrics['accuracy']))
loss=4.403, accuracy=0.132
Agora vamos escrever um loop de treinamento e avaliação um pouco mais interessante.
Para que essa simulação ainda seja executada de forma relativamente rápida, treinamos nos mesmos três clientes a cada rodada, considerando apenas dois minibatches para cada um.
def data(client, source=train_data):
return preprocess(source.create_tf_dataset_for_client(client)).take(5)
clients = [
'ALL_S_WELL_THAT_ENDS_WELL_CELIA', 'MUCH_ADO_ABOUT_NOTHING_OTHELLO',
]
train_datasets = [data(client) for client in clients]
# We concatenate the test datasets for evaluation with Keras by creating a
# Dataset of Datasets, and then identity flat mapping across all the examples.
test_dataset = tf.data.Dataset.from_tensor_slices(
[data(client, test_data) for client in clients]).flat_map(lambda x: x)
O estado inicial do modelo produzido por fed_avg.initialize() baseia-se nos inicializadores aleatórios para o modelo Keras, não os pesos que foram carregados, uma vez que clone_model() não faz clone os pesos. Para iniciar o treinamento a partir de um modelo pré-treinado, definimos os pesos do modelo no estado do servidor diretamente do modelo carregado.
NUM_ROUNDS = 5
# The state of the FL server, containing the model and optimization state.
state = fed_avg.initialize()
# Load our pre-trained Keras model weights into the global model state.
state = tff.learning.state_with_new_model_weights(
state,
trainable_weights=[v.numpy() for v in keras_model.trainable_weights],
non_trainable_weights=[
v.numpy() for v in keras_model.non_trainable_weights
])
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)
Round 0
Eval: loss=3.324, accuracy=0.401
Train: loss=4.360, accuracy=0.155
Round 1
Eval: loss=4.361, accuracy=0.049
Train: loss=4.235, accuracy=0.164
Round 2
Eval: loss=4.219, accuracy=0.177
Train: loss=4.081, accuracy=0.221
Round 3
Eval: loss=4.080, accuracy=0.174
Train: loss=3.940, accuracy=0.226
Round 4
Eval: loss=3.991, accuracy=0.176
Train: loss=3.840, accuracy=0.226
Final evaluation
Eval: loss=3.909, accuracy=0.171
Com as alterações padrão, não fizemos treinamento suficiente para fazer uma grande diferença, mas se você treinar por mais tempo com mais dados de Shakespeare, verá uma diferença no estilo do texto gerado com o modelo atualizado:
# Set our newly trained weights back in the originally created model.
keras_model_batch1.set_weights([v.numpy() for v in keras_model.weights])
# Text generation requires batch_size=1
print(generate_text(keras_model_batch1, 'What of TensorFlow Federated, you ask? '))
What of TensorFlow Federated, you ask? Shalways, I will call your compet with any city brought their faces uncompany," besumed him. "When he sticked Madame Defarge pushed the lamps. "Have I often but no unison. She had probably come,
Extensões sugeridas
Este tutorial é apenas o primeiro passo! Aqui estão algumas idéias de como você pode tentar estender este bloco de notas:
- Escreva um ciclo de treinamento mais realista em que você amostra os clientes para treinar aleatoriamente.
- Use "
.repeat(NUM_EPOCHS)" nos conjuntos de dados de clientes para tentar várias épocas de treinamento local (por exemplo, como em McMahan et. Al. ). Veja também Federated Aprendizagem para Classificação de Imagens que faz isso. - Alterar a
compile()comando para experimento com o uso de diferentes algoritmos de otimização no cliente. - Experimente o
server_optimizerargumento parabuild_federated_averaging_processde experimentar diferentes algoritmos para aplicar as atualizações de modelo no servidor. - Experimente o
client_weight_fnargumento para abuild_federated_averaging_processde experimentar diferentes ponderações dos clientes. As atualizações do cliente pesos padrão pelo número de exemplos sobre o cliente, mas você pode fazer por exemploclient_weight_fn=lambda _: tf.constant(1.0).