2025/10/3の研究ログ

おそらくmetricsがNone

最初から作り直そう

これを参考にすればそのまま移植しても動くはず

設計書を作る

ディレクトリ構成

変更しない中身は書かない: コンテキスト節約のため

code: tree

flower

client

client_app.py

common < ほぼdcase

desed_task < 共通部品

PSDS_Eval < 念の為

local < この中にsed_trainer_pretrained.pyがある

confs < 設定ファイル

pretrained.yaml

data_loader.py < FL用にデータ分割 元コードと融合する方針が良い?

extract_embeddings.py < 埋め込み作成で使用

train_pretrained.py < これどうする?

server

strategy

fed_ave.py

server_app.py

train_pretrained.pyをどう実現するか

prepare_run()とsingle_run()はセット

元コードはある指標を監視して,良い結果が出るたびに何らかの方法で重みなど保存?

評価時に最良のモデルを呼び出す

訓練はtrainer.fit(),評価はtrainer.test()

MeanTeacherはローカルで実行

MeanTeacherの理解が不足している

Studentの移動平均がTeacherモデルだが,あくまでStudentの学習を安定させるために参照するだけ?

Teacherモデルこそ大事なのかと思ったが,そうではないのかな?

一旦Studentモデルを集約する

以下の理由でTeacherは集約しない

Studentの各段階で学習した重要な特徴を薄める可能性がある

Studentより古い

clientはローカルのvalidation_setで評価

serverは全データではなく,分割されて残ったデータを使用?

pl-flowerの実装を見る

client_app: from flwr.clientapp import ClientApp

デコレータ下でFL用処理(ノード番号や分割したデータの取得,送信?)をしつつ,trainer.fit()とtrainer.test()をtrainとevaluateで行っている

一方,友人の実装では,継承したカスタムappをclient_fnとして渡す

server_app

同様だが,評価をfed_avgに一任していそう

どのようにモデルを評価している? > FedAVG内部の標準メソッド + dataloaderで分割

評価について,MeanTeacherのうち集約する片方を対象に取るような変更が必要?