LEAF：一个联邦学习的基准数据集

最新推荐文章于 2026-02-14 05:21:07 发布

原创最新推荐文章于 2026-02-14 05:21:07 发布 · 4.1k 阅读

13 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#机器学习 #其他

本文介绍了LEAF联邦学习平台提供的6个数据集，包括FEMNIST、Shakespeare等，涵盖图像分类、语言模型和情感分析等任务，并重点讲解了使用联邦平均算法的简单实现。读者需准备好Python环境和特定依赖，如tensorflow等。

Python3.8

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

LEAF提供了几个联邦学习的数据集，及简单的联邦学习例子，使用的算法是联邦平均算法，其代码是用python写的，机器学习的框架是tensorflow，所以如果要跑上面的例子，注意需要安装的环境，里面有个requirements.txt列出了要下载的python包。其地址为

https://talwalkarlab.github.io/leaf/

目前有6个数据集，可以选择是否切分为独立同分布（iid）。
1、FEMNIST
一个图像分类的数据集，识别英文字母和数字。有3550个用户，总共805263个样本，平均每个用户226.83个样本。
2、Shakespeare
预测下一个字符的语言模型数据集，从莎士比亚的作品全集中采集而来。有1129个用户（一个用户是作品中的一个角色），总共422615个样本。
3、Twitter
在Twitter上采集的数据，用于情感分析。有660120个用户，共1600498个样本。
4、Celeba
是一个带有注释的人脸数据集，可用于图像分类任务的训练。有9343个用户，共200288个样本
5、Synthetic Dataset
分类的一个数据集，有1000个用户，共107553个样本
6、Reddit
语言模型的一个数据集，有1660820个用户，共56587343个样本，是一个大数据集。