Flower联邦学习：如何在不同机器部署服务端与客户端做实测？

完全可以在不同机器上分别运行Flower的服务端和客户端，以此开展真实场景的基准测试，具体操作步骤如下：

1. 配置服务端 #

• 编写服务端代码时，启动服务需指定可被外部访问的IP地址，不能用localhost，推荐用0.0.0.0允许所有IP接入，端口选一个未被占用的（比如8080），示例代码片段：

  import flwr as fl
  
  fl.server.start_server(
      server_address="0.0.0.0:8080",
      config=fl.server.ServerConfig(num_rounds=10)
  )
  

• 开放服务端机器对应端口的防火墙权限：
  • Linux系统可执行命令：sudo ufw allow 8080
  • Windows系统需在防火墙的「入站规则」中添加允许8080端口的规则

2. 配置客户端 #

• 客户端代码里，将连接地址替换为服务端机器的实际IP（局域网或公网IP）+端口，示例代码片段：

  import flwr as fl
  
  class FlowerClient(fl.client.NumPyClient):
      # 实现get_parameters、fit、evaluate方法
      ...
  
  fl.client.start_numpy_client(
      server_address="192.168.1.100:8080",  # 替换为服务端真实IP
      client=FlowerClient()
  )
  

• 提前验证客户端与服务端的网络连通性：在客户端机器上执行ping 服务端IP，确保能正常通信（公网环境下若无法直接访问，可借助VPN或内网穿透工具）

3. 运行与基准测试 #

• 先启动服务端程序，待服务端就绪后，再依次启动各机器上的客户端程序，客户端会自动连接服务端并参与联邦训练
• 基准测试可从以下维度开展：
  • 记录每轮训练的整体耗时、单客户端训练耗时
  • 统计客户端参与率、掉线重连情况
  • 跟踪模型精度、损失值的变化趋势
  • 模拟真实场景：给不同机器的客户端配置非IID数据分布，测试联邦学习的鲁棒性和性能

内容的提问来源于stack exchange，提问作者Mastour Ikhlass