Tensorflow federated TFF：这两种类型的区别是什么？

collected\u output=tff.federated\u collect（客户端输出）

。 有关详细代码，请参阅此

---

我的问题是照片上用红色标记的部分之间的区别。就FL算法而言，我认为

client\u outputs

是单个客户端的输出，

collected\u outputs

是

SequenceType

，因为每个

client\u outputs

都是组合的。这是正确的吗？如果我的猜测是正确的，

member

是一组具有

client\u输出的独立客户端成员吗？
术语可能有点棘手
client\u输出
并不是一个“单个客户机的输出”，它仍然代表所有客户机输出，但它们不能单独寻址。重要的是，TFF区分了数据存在于客户机上（“被放置”），而它尚未被通信
collected\u outputs
在某种意义上是所有单个客户端输出的流，尽管位置已更改（值已通过
tff.federated\u collect
传送到服务器）

更详细地说：
在上面的类型规范中，
.member
是上的一个属性。关于不同TFF类型的更多细节，TFF指南是一个很好的资源

{int32}@CLIENTS
表示由一组可能不同的整数组成的联邦值，每个客户端设备一个。请注意，我们所说的单个联合值包含网络中多个位置上出现的多个数据项。一种方法是将其视为一种具有“网络”维度的张量，尽管这种类比并不完美，因为TFF不允许随机访问联邦值的成员成分

在屏幕截图中，
client\u outputs
也被“放置”
@CLIENTS
（来自
.placement
属性）并遵循类似的语义：它有多个值（每个客户端一个），但单个值不可寻址（即，该值的行为与Python
列表
）

相反，
收集的\u输出
放在
@服务器
上。然后这个子弹：

@SERVER
表示服务器上权重和偏差张量的命名元组。由于我们去掉了大括号，这表示设置了all_equal位，即，只有一个元组（不管承载此值的集群中可能有多少服务器副本）

注意“单元组”短语，在
tff.federated\u collect
之后，在服务器上放置了一个值序列。这个序列可以像一个数组一样迭代