TensorFlow Federated出现No default context installed运行时错误

1. TensorFlow Federated（TFF）的执行上下文采用全局单例设计，第一次请求执行完联邦计算逻辑后，TFF内部会销毁默认全局执行上下文
2. 你使用的Flask Web服务是常驻进程，进程内的全局状态会复用，第二次请求触发联邦计算时，找不到已被销毁的默认上下文，就抛出该错误
3. 本地运行是单任务单次执行，进程跑完直接退出，不存在上下文复用问题，所以无报错

• 方案1：每次执行联邦计算前手动初始化TFF执行上下文
  在你的federated_computation_new函数最开头添加上下文初始化代码，根据你使用的TFF版本选择对应接口即可：

def federated_computation_new(train_dataset,test_dataset):
    # 新增：手动初始化TFF本地执行上下文
    import tensorflow_federated as tff
    # 较新TFF版本使用这个接口
    tff.backends.native.set_local_execution_context()
    # 旧版本匹配报错提示使用这个接口
    # from tensorflow_federated.python.core.impl.execution_contexts import set_local_execution_context
    # set_local_execution_context()

    # 保留原有逻辑不变
    iterative_process = tff.learning.build_federated_averaging_process(model_fn,client_optimizer_fn=lambda: tf.keras.optimizers.SGD(lr=0.5))
    state = iterative_process.initialize()
    # 剩余原有代码省略

• 方案2：任务进程隔离
  如果服务并发量不高，可以将联邦训练逻辑放到独立的子进程中执行，每次请求启动新子进程跑训练，跑完子进程自动销毁，从根本上避免全局上下文复用的冲突，缺点是进程启动有额外开销。

• 注意事项
  不要全局缓存TFF的迭代器、计算逻辑实例，每次请求重新构建即可，你当前代码中每次调用都重新构建iterative_process的逻辑是合理的，不需要修改。

内容的提问来源于stack exchange，提问作者Bogdan Mihai