问题描述
我的问题是：如何使用 Tensorflow Federated 预测此类图像的标签？
完成模型评估后，我想预测给定图像的标签。就像在 Keras 中一样，我们这样做：
# new instance where we do not kNow the answer
Xnew = array([[0.89337759,0.65864154]])
# make a prediction
ynew = model.predict_classes(Xnew)
# show the inputs and predicted outputs
print("X=%s,Predicted=%s" % (Xnew[0],ynew[0]))
输出：
X=[0.89337759 0.65864154],Predicted=[0]
以下是 state 和 model_fn 的创建方式：
def model_fn():
keras_model = create_compiled_keras_model()
return tff.learning.from_compiled_keras_model(keras_model,sample_batch)
iterative_process = tff.learning.build_federated_averaging_process(model_fn,server_optimizer_fn=lambda: tf.keras.optimizers.SGD(learning_rate=1.0),client_weight_fn=None)
state = iterative_process.initialize()
我发现这个错误：
list(self._name_to_index.keys())[:10]))
AttributeError: The tuple of length 2 does not have named field "assign_weights_to". Fields (up to first 10): ['trainable','non_trainable']
谢谢
解决方法
（需要 TFF 0.16.0 或更新版本）
由于代码是从 tff.learning.Model 构建 tf.keras.Model，因此您可以在 assign_weights_to 对象上使用 tff.learning.ModelWeights 方法（{{1} })。
Federated Learning for Text Generation 教程中使用了此方法。
这可能看起来像（靠近底部，早期部分是示例 FL 训练循环）：
state.model一旦
def create_keras_model() -> tf.keras.Model:
...
def model_fn():
...
return tff.learning.from_keras_model(create_keras_model())
training_process = tff.learning. build_federated_averaging_process(model_fn,...)
state = training_process.initialize()
for _ in range(NUM_ROUNDS):
state,metrics = training_process.next(state,...)
model_for_inference = create_keras_model()
state.model.assign_weights_to(model_for_inference)
的权重被分配回 Keras 模型，代码就可以使用标准的 Keras API，例如 tf.keras.Model.predict_on_batch
state