TFF的simple_fedavg示例使用CIFAR-100与VGG19时准确率仅1%

1. 数据集预处理错误
   CIFAR100原生图像格式为(32,32,3)的0-255整数类型，你在element_fn中额外加了tf.expand_dims(element['image'], -1)操作，会导致输入形状变为(32,32,3,1)，和VGG19要求的(32,32,3)输入形状完全不匹配，同时没有做像素值归一化，深层神经网络无法正常拟合。
2. FedAvg流程参数传参错误
   你调用simple_fedavg_tff.build_federated_averaging_process时传入了4个重复的tff_model_fn，该方法在v0.19.0版本的入参仅需要1个模型构造函数，后续跟着服务端、客户端优化器函数，多传的参数会导致优化器逻辑完全错位，模型权重根本没有正确更新。
3. 超参数配置完全不符合当前任务

• 服务端SGD学习率设置为1过高，会导致全局参数更新时直接偏离最优区间
• 每轮仅采样4个客户端，CIFAR100联邦划分的非独立同分布程度很高，少量客户端的更新方差极大，模型无法收敛
• 总训练轮数仅50轮，哪怕是集中式训练VGG19在CIFAR100上都需要数百轮才能收敛，联邦训练轮数远远不足。

• 修复数据集预处理逻辑，将element_fn修改为以下内容：

def element_fn(element):
    return collections.OrderedDict(
        x=tf.cast(element['image'], tf.float32) / 255.0, 
        y=element['label']
    )

• 修正FedAvg流程的传参，删除多余的3个tff_model_fn，参考官方示例的入参格式修改：

iterative_process = simple_fedavg_tff.build_federated_averaging_process(
    tff_model_fn, server_optimizer_fn, client_optimizer_fn
)

• 调整超参数配置：
  • 服务端学习率下调到0.1~0.2区间
  • 每轮采样客户端数量提升到20~30，降低更新方差
  • 总训练轮数调整到至少200轮
  • 客户端优化器先替换为SGD，学习率调整到0.01~0.05区间，联邦场景下SGD比Adam稳定性更高
• 先做集中式验证：单独用你的VGG19模型在集中式CIFAR100数据集上训练，确认能达到30%以上的准确率，排除模型本身的结构问题后再接入联邦训练流程。
• 可在客户端训练逻辑中加入梯度裁剪，阈值设为1.0~5.0，避免深层模型训练时出现梯度爆炸问题。

内容的提问来源于stack exchange，提问作者Fanto