 Ver en TensorFlow.org |  Ejecutar en Google Colab |  Ver fuente en GitHub |  Descargar cuaderno |
Este tutorial se basa en los conceptos en el aprendizaje federados para una imagen Clasificación tutorial, y demuestra varios otros enfoques útiles para el aprendizaje federado.
En particular, cargamos un modelo de Keras previamente entrenado y lo refinamos usando entrenamiento federado en un conjunto de datos descentralizado (simulado). Esto es prácticamente importante por varias razones. La capacidad de utilizar modelos serializados facilita la combinación del aprendizaje federado con otros enfoques de aprendizaje automático. Además, esto permite el uso de una creciente gama de modelos pre-formados --- por ejemplo, modelos de lenguaje de entrenamiento a partir de cero rara vez es necesaria, ya que numerosos modelos pre-formados son ahora ampliamente disponibles (véase, por ejemplo, TF Hub ). En cambio, tiene más sentido comenzar desde un modelo previamente entrenado y refinarlo usando el aprendizaje federado, adaptándose a las características particulares de los datos descentralizados para una aplicación en particular.
Para este tutorial, comenzamos con un RNN que genera caracteres ASCII y lo refinamos a través del aprendizaje federado. También mostramos cómo los pesos finales pueden retroalimentarse al modelo original de Keras, lo que permite una fácil evaluación y generación de texto utilizando herramientas estándar.
!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!'
Cargar un modelo previamente entrenado
Cargamos un modelo que fue pre-entrenado siguiendo el tutorial TensorFlow generación de texto usando un RNN con la ejecución ansiosos . Sin embargo, en lugar de la formación en las obras completas de Shakespeare , que previamente entrenado el modelo en el texto de la Charles Dickens Historia de dos ciudades y un cuento de Navidad .
Aparte de ampliar el vocabulario, no modificamos el tutorial original, por lo que este modelo inicial no es el más moderno, pero produce predicciones razonables y es suficiente para los propósitos de nuestro tutorial. El modelo final se guarda con tf.keras.models.save_model(include_optimizer=False) .
Usaremos el aprendizaje federado para afinar este modelo para Shakespeare en este tutorial, usando una versión federada de los datos proporcionados por TFF.
Genere las tablas de búsqueda de vocabulario
# 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)
Cargue el modelo previamente entrenado y genere algo de 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
Cargar y preprocesar los datos federados de Shakespeare
El tff.simulation.datasets paquete proporciona una variedad de conjuntos de datos que se dividen en "clientes", donde cada cliente corresponde a un conjunto de datos en un dispositivo en particular que podrían participar en el aprendizaje federado.
Estos conjuntos de datos proporcionan distribuciones de datos realistas que no son IID que replican en simulación los desafíos de la capacitación en datos descentralizados reales. Algunos de los pre-procesamiento de estos datos se realizó utilizando herramientas del proyecto de la hoja ( github ).
train_data, test_data = tff.simulation.datasets.shakespeare.load_data()
Los conjuntos de datos proporcionados por shakespeare.load_data() consisten en una secuencia de cadena Tensors , uno para cada línea hablada por un carácter particular en una jugada Shakespeare. Las claves de cliente consisten en el nombre de la obra se unió con el nombre del personaje, así que por ejemplo MUCH_ADO_ABOUT_NOTHING_OTHELLO corresponde a las líneas para el personaje de Otelo en la obra Mucho ruido y pocas nueces. Tenga en cuenta que en un escenario de aprendizaje federado real, los identificadores nunca identifican o rastrean a los clientes, pero para la simulación es útil trabajar con conjuntos de datos con clave.
Aquí, por ejemplo, podemos ver algunos datos 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)
Ahora usamos tf.data.Dataset transformaciones para preparar estos datos para la formación del carbón RNN cargado anteriormente.
# 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))
Tenga en cuenta que en la formación de las secuencias originales y en la formación de lotes anteriores, utilizamos drop_remainder=True por simplicidad. Esto significa que cualquier carácter (clientes) que no tienen al menos (SEQ_LENGTH + 1) * BATCH_SIZE caracteres de texto tendrán conjuntos de datos vacías. Un enfoque típico para abordar esto sería rellenar los lotes con un token especial y luego enmascarar la pérdida para no tener en cuenta los tokens de relleno.
Esto complicaría el ejemplo algo, por lo que para este tutorial sólo utilizamos lotes completos, como en el tutorial estándar . Sin embargo, en el entorno federado, este problema es más importante, porque muchos usuarios pueden tener pequeños conjuntos de datos.
Ahora podemos preprocesar nuestra raw_example_dataset , y comprobar los 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 el modelo y pruebe con los datos preprocesados
Cargamos un modelo Keras sin compilar, pero el fin de ejecutarlo keras_model.evaluate , tenemos que compilarlo con una pérdida y métricas. También compilaremos en un optimizador, que se utilizará como optimizador en el dispositivo en Federated Learning.
El tutorial original no tenía precisión a nivel de caracteres (la fracción de predicciones donde se colocó la probabilidad más alta en el siguiente carácter correcto). Esta es una métrica útil, así que la agregamos. Sin embargo, es necesario definir una nueva clase métrica para esto porque nuestras predicciones tienen rango 3 (un vector de logit para cada uno de los BATCH_SIZE * SEQ_LENGTH predicciones), y SparseCategoricalAccuracy espera sólo de rango 2 predicciones.
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)
Ahora podemos compilar un modelo, y evaluarlo en nuestro 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 el modelo con el aprendizaje federado
TFF serializa todos los cálculos de TensorFlow para que puedan ejecutarse potencialmente en un entorno que no sea Python (aunque, por el momento, solo está disponible un tiempo de ejecución de simulación implementado en Python). A pesar de que se están ejecutando en el modo ansiosos, (TF 2.0), actualmente TFF Serializa TensorFlow cálculos mediante la construcción de las operaciones necesarias dentro del contexto de una " with tf.Graph.as_default() " declaración. Por lo tanto, necesitamos proporcionar una función que TFF pueda usar para introducir nuestro modelo en un gráfico que controla. Hacemos esto de la siguiente manera:
# 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()])
Ahora estamos listos para construir un proceso iterativo Federados de promedio, lo que vamos a utilizar para mejorar el modelo (para más detalles sobre el algoritmo de promedio federados, consulte el documento de aprendizaje Comunicación Eficiente de profundas redes de datos descentralizada ).
Usamos un modelo de Keras compilado para realizar una evaluación estándar (no federada) después de cada ronda de capacitación federada. Esto es útil para fines de investigación cuando se realiza un aprendizaje federado simulado y hay un conjunto de datos de prueba estándar.
En un entorno de producción realista, esta misma técnica podría usarse para tomar modelos entrenados con aprendizaje federado y evaluarlos en un conjunto de datos de referencia centralizado con fines de prueba o garantía de calidad.
# 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))
Aquí está el ciclo más simple posible, donde ejecutamos promedios federados para una ronda en un solo cliente en un solo 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
Ahora escribamos un ciclo de capacitación y evaluación un poco más interesante.
Para que esta simulación aún se ejecute relativamente rápido, entrenamos con los mismos tres clientes en cada ronda, considerando solo dos minibatches para cada uno.
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)
El estado inicial del modelo producido por fed_avg.initialize() se basa en los inicializadores aleatorios para el modelo Keras, no los pesos que se cargaron, desde clone_model() no clon hace los pesos. Para comenzar a entrenar desde un modelo previamente entrenado, establecemos los pesos del modelo en el estado del servidor directamente desde el modelo cargado.
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
Con los cambios predeterminados, no hemos realizado suficiente entrenamiento para marcar una gran diferencia, pero si entrena más tiempo con más datos de Shakespeare, debería ver una diferencia en el estilo del texto generado con el modelo actualizado:
# 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,
Extensiones sugeridas
¡Este tutorial es solo el primer paso! A continuación, se ofrecen algunas ideas sobre cómo podría intentar ampliar este cuaderno:
- Escriba un ciclo de entrenamiento más realista en el que muestre a los clientes para entrenar al azar.
- Use "
.repeat(NUM_EPOCHS)" en las bases de datos de clientes para tratar varias épocas de la formación local (por ejemplo, como en McMahan et. Al. ). Ver también Federados de aprendizaje de Clasificación de imagen que hace esto. - Cambiar la
compile()de comandos para experimentar con el uso de diferentes algoritmos de optimización en el cliente. - Prueba el
server_optimizerargumento parabuild_federated_averaging_processprobar diferentes algoritmos para aplicar las actualizaciones de modelo en el servidor. - Prueba el
client_weight_fnargumento para quebuild_federated_averaging_processprobar diferentes ponderaciones de los clientes. Las actualizaciones pesos por defecto del cliente por el número de ejemplos en el cliente, pero se puede hacer por ejemploclient_weight_fn=lambda _: tf.constant(1.0).