-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathexperiments.sh
533 lines (390 loc) · 21.9 KB
/
experiments.sh
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
Code for imanenet:
https://drive.google.com/file/d/1HLqF_n1Z8VUCIV3jDHhLmQXFrqs3CacR/view?usp=sharing
Code for inaturalist:
https://drive.google.com/file/d/1u5XF0AsDm0GRoEp3HJPZ_sSvvWb4BVCv/view?usp=sharing
nohup python fedloge.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 --num_users 40 --frac 0.3 > sse_c.log 2>&1 &
3409705
global model training:
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > fedrod_repeat1.log 2>&1 &
只把classifier改成了etf
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > fedrod_etf.log 2>&1 &
2163606
personalized model training:
nohup python load_and_infer.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > load_and_infer.log 2>&1 &
测试etf：
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > etf.log 2>&1 &
2113115
features后接g_aux
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > etf_1.log 2>&1 &
2113269
加了个projection layer
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > etf_projec_layer.log 2>&1 &
2113396
尝试一下sparse和其他的init结合
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > kaiming_uniform_spar.log 2>&1 &
2212174
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > kaiming_norm_spar.log 2>&1 &
2212246
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > xavier_spar.log 2>&1 &
2212325
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > uniform_spar.log 2>&1 &
2212423
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > gassian_spar.log 2>&1 &
2212513
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > orthogonal_spar.log 2>&1 &
2212624
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > kaiming_uniform.log 2>&1 &
2214640
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > kaiming_norm.log 2>&1 &
2213604
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > xavier.log 2>&1 &
2213494
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > uniform.log 2>&1 &
2213371
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > gassian.log 2>&1 &
2213255
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > orthogonal.log 2>&1 &
2213147
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 > default_nospar.log 2>&1 &
2213818
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 > default_spar.log 2>&1 &
2214052
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > etf_spar.log 2>&1 &
2243334
目前来看etf spar效果竟然是最好的。
下面要将features也约束到etf，首先加一个norm，然后来做内积方差极小化。
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > etf_spar_featNorm.log 2>&1 &
2354658
学的太慢了，lr改成了0.3，epoch=1000
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > etf_spar_featNorm_1.log 2>&1 &
2383230
怀疑instance level的norm约束不稳定，我在前面加一个projection layer把
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > etf_spar_featNorm_projection.log 2>&1 &
2386528
直接fintune吧
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > etf_spar_featNorm_finetune.log 2>&1 &
2378799
# nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > kaiming_spar.log 2>&1 &
# nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > kaiming_spar.log 2>&1 &
# nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > kaiming_spar.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 1 --beta 0 --gpu 1 > main.log 2>&1 &
2279153
预训练了一个cls
nohup python centra_demo.py > demo.log 2>&1 &
2325366
用这个fixed cls去train from scratch for backbone
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > pretrain_cls.log 2>&1 &
2434027
性能只有0.38左右，看来cls的初始化确实很重要
dropout_ETF
每个minibatch随机一批节点
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > dropout_ETF_batch.log 2>&1 &
效果不好，直接删了
每个round随机一批activation，每个sample的activation mask一样
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > dropout_ETF_round.log 2>&1 &
2586465
每10个round随机一批activation，每个sample的activation mask一样
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > dropout_ETF_10round.log 2>&1 &
2586578
每个round随机一批activation，每个sample的activation mask一样
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > dropout_ETF_round.log 2>&1 &
2586465
每10个round随机一批activation，每个sample的activation mask一样
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > dropout_ETF_10round.log 2>&1 &
2586578
每个round随机一批activation，每个sample的activation mask不一样
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > official_dropout_ETF_round.log 2>&1 &
2594732
每10个round随机一批activation，每个sample的activation mask不一样
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 > official_dropout_ETF_10round.log 2>&1 &
2594842
每个round随机一批cls权重
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > w_dropout_ETF_round.log 2>&1 &
2588472
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > w_dropout_ETF_10round.log 2>&1 &
2588984
dropout这些统统效果不好。
我先spar预训练，再用pick up吧：
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > spar_pick_up_1round.log 2>&1 &
效果不好
我要让不同类别feature相似度变大了。在pretrain model基础上，进一步train the backbone
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > cos_ETF.log 2>&1 &
2762603
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > cos_push_pull_ETF.log 2>&1 &
2762678
约束feature的norm相等
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > feats_eqe_norm_ETF.log 2>&1 &
2764228
约束feature的norm相等+相似度
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > cos_norm_ETF.log 2>&1 &
2764088
spar etf + etf_projec_layer
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > spar_etf_proj.log 2>&1 &
2898218
spar etf + PR dropout
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > spar_etf_PRdot.log 2>&1 &
2906197
etf + PR dropout
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > etf_PRdot.log 2>&1 &
2909571
用MMA regulation?
用balanced softmax
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > spar_etf_bsm.log 2>&1 &
3041272
用norm估计的balanced softmax
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > spar_etf_bsm_norm_est.log 2>&1 &
3053433
用构造的sparse etf进行训练,norm=1
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > my_designed_sparse_etf.log 2>&1 &
3499238
用构造的sparse etf进行训练,norm=0.1
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > my_designed_sparse_etf_norm01.log 2>&1 &
3504052
用构造的sparse etf进行训练,norm=0.03
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > my_designed_sparse_etf_norm003.log 2>&1 &
3504741
用构造的sparse etf进行训练,norm=0.15
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > my_designed_sparse_etf_norm015.log 2>&1 &
3505098
不sparse，直接用norm=0.15的etf来
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > etf_norm015.log 2>&1 &
3508021
if cls_switch == "ETF":
# 初始化ETF分类器
etf = ETF_Classifier(in_features, out_features)
# 新建线性层,权重使用ETF分类器的ori_M
g_head = nn.Linear(in_features, out_features).to(args.device)
# sparse_etf_mat = etf.gen_sparse_ETF()
g_head.weight.data = etf.ori_M.to(args.device)
# g_head.weight.data = sparse_etf_mat.to(args.device)
g_head.weight.data = g_head.weight.data.t()
g_head.weight.data *= 0.15
cifar 10的spar
以下是用norm的balanced softmax搞出来的
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 > cifar10_nospar.log 2>&1 &
3112359
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > cifar10_nospar_2.log 2>&1 &
3132781
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 > cifar10_spar10.log 2>&1 &
3112670
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 > cifar10_spar20.log 2>&1 &
3112783
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > cifar10_spar30.log 2>&1 &
3112924
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > cifar10_spar40.log 2>&1 &
3113064
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > cifar10_spar50.log 2>&1 &
3113395
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > cifar10_spar60.log 2>&1 &
3113511
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > cifar10_spar70.log 2>&1 &
3113647
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 > cifar10_spar80.log 2>&1 &
3113773
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > cifar10_spar90.log 2>&1 &
3113894
保存nospar的etf的性能，为了后面做分析用
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > cifar100_nospar_save.log 2>&1 &
[1] 3129972
用self search得到的稀疏化继续finetune训练
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > self_search_spar.log 2>&1 &
3277242
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > self_search_spar.log 2>&1 &
###################################################################################################
FedAvg
nohup python main.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 0 > a_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > b_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 0 > c_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > d_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 1 > e_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > f_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 2 > g_fedavg.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 2 > h_fedavg.log 2>&1 &
更新model
nohup python main.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 0 > a_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > b_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 3 > c_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > d_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 1 > e_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 3 > f_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 2 > g_fedavg_tmp.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 2 > h_fedavg_tmp.log 2>&1 &
FedProx
nohup python main.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0.01 --gpu 0 > a_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0.01 --gpu 0 > b_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.02 --beta 0.01 --gpu 3 > c_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.01 --beta 0.01 --gpu 3 > d_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0.01 --gpu 4 > e_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0.01 --gpu 4 > f_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.02 --beta 0.01 --gpu 5 > g_fedprox.log 2>&1 &
nohup python main.py --alpha_dirichlet 1 --IF 0.01 --beta 0.01 --gpu 5 > h_fedprox.log 2>&1 &
FedBN
/home/zikaixiao/zikai/aapfl/fl_gba_cifar100/fedbn.py
nohup python fedbn.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 6 > a_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > b_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 7 > c_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > d_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 1 > e_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 1 > f_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 2 > g_fedbn.log 2>&1 &
nohup python fedbn.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 2 > h_fedbn.log 2>&1 &
FedROD
/home/zikaixiao/zikai/aapfl/pfedlt_cifar100_fedrod/fedrod.py
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 0 > a_fedbn.log 2>&1 &
3373133
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > b_fedbn.log 2>&1 &
3373134
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 1 > c_fedbn.log 2>&1 &
3373135
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > d_fedbn.log 2>&1 &
3373136
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 2 > e_fedbn.log 2>&1 &
3373137
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > f_fedbn.log 2>&1 &
3373138
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 3 > g_fedbn.log 2>&1 &
3373139
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 3 > h_fedbn.log 2>&1 &
3373368
FedPer
/home/zikaixiao/zikai/aapfl/fl_gba_cifar100/fedper.py
nohup python fedper.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 4 > a_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > b_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 5 > c_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 5 > d_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 6 > e_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > f_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 7 > g_fedper.log 2>&1 &
nohup python fedper.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > h_fedper.log 2>&1 &
FedRep
/home/zikaixiao/zikai/aapfl/fl_gba_cifar100/fedpep.py
nohup python fedrep.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 0 > a_fedrep.log 2>&1 &
3707138
nohup python fedrep.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > b_fedrep.log 2>&1 &
3707226
nohup python fedrep.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 1 > c_fedrep.log 2>&1 &
3707313
nohup python fedrep.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > d_fedrep.log 2>&1 &
3707390
nohup python fedrep.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 2 > e_fedrep.log 2>&1 &
3707483
nohup python fedrep.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > f_fedrep.log 2>&1 &
3707575
nohup python fedrep.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 3 > g_fedrep.log 2>&1 &
3707679
nohup python fedrep.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 3 > h_fedrep.log 2>&1 &
3707744
FedETF
/home/zikaixiao/zikai/aaPFL/pfedlt/fedrod_etf.py
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 4 > a_fedetf.log 2>&1 &
3749078
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > b_fedetf.log 2>&1 &
3749217
nohup python fedrod_etf.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 5 > c_fedetf.log 2>&1 &
3749342
nohup python fedrod_etf.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 5 > d_fedetf.log 2>&1 &
3749462
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 6 > e_fedetf.log 2>&1 &
nohup python fedrod_etf.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > f_fedetf.log 2>&1 &
nohup python fedrod_etf.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 7 > g_fedetf.log 2>&1 &
nohup python fedrod_etf.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > h_fedetf.log 2>&1 &
ratio loss
/home/zikaixiao/zikai/aaPFL/pfedlt/ratio_loss.py
nohup python ratio_loss.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 4 > a_ratio_loss.log 2>&1 &
3727489
nohup python ratio_loss.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > b_ratio_loss.log 2>&1 &
3727611
nohup python ratio_loss.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 5 > c_ratio_loss.log 2>&1 &
3727737
nohup python ratio_loss.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 5 > d_ratio_loss.log 2>&1 &
3727853
nohup python ratio_loss.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 6 > e_ratio_loss.log 2>&1 &
3728002
nohup python ratio_loss.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > f_ratio_loss.log 2>&1 &
3728124
nohup python ratio_loss.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 7 > g_ratio_loss.log 2>&1 &
3728266
nohup python ratio_loss.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > h_ratio_loss.log 2>&1 &
3728469
ditto
/home/zikaixiao/zikai/aapfl/pfed_lastest/ditto.py
nohup python ditto.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 4 > a_ditto.log 2>&1 &
3711778
nohup python ditto.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 > b_ditto.log 2>&1 &
3711915
nohup python ditto.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 5 > c_ditto.log 2>&1 &
3712050
nohup python ditto.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 5 > d_ditto.log 2>&1 &
3712181
nohup python ditto.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 6 > e_ditto.log 2>&1 &
3712324
nohup python ditto.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 6 > f_ditto.log 2>&1 &
3712476
nohup python ditto.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 7 > g_ditto.log 2>&1 &
3712609
nohup python ditto.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > h_ditto.log 2>&1 &
3712801
Ours
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 0 > a_ours.log 2>&1 &
10281
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 0 > b_ours.log 2>&1 &
10625
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 1 > c_ours.log 2>&1 &
10941
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > d_ours.log 2>&1 &
11246
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 2 > e_ours.log 2>&1 &
11560
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 2 > f_ours.log 2>&1 &
11601
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.02 --beta 0 --gpu 3 > g_ours.log 2>&1 &
12180
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 3 > h_ours.log 2>&1 &
12499
测试不同的norm
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 0 > norm0_02.log 2>&1 &
391283
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 0 > norm0_04.log 2>&1 &
391397
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > norm0_06.log 2>&1 &
391528
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 1 > norm0_08.log 2>&1 &
391649
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 2 > norm0_1.log 2>&1 &
391785
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 2 > norm0_2.log 2>&1 &
391910
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 3 > norm0_4.log 2>&1 &
392043
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 3 > norm0_6.log 2>&1 &
392168
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 4 > norm0_8.log 2>&1 &
392300
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 4 > norm1.log 2>&1 &
392433
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 5 > norm2.log 2>&1 &
392658
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 5 > norm4.log 2>&1 &
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 6 > norm6.log 2>&1 &
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 6 > norm8.log 2>&1 &
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > norm10.log 2>&1 &
nohup python fedrod.py --alpha_dirichlet 1 --IF 0.01 --beta 0 --gpu 7 > norm0_01.log 2>&1 &
391135
Rebuttal
FedAvg
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 --num_users 40 --frac 0.3 > rebu_fedavg_40_30.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 --num_users 100 --frac 1 > rebu_fedavg_100_100.log 2>&1 &
nohup python main.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 --num_users 100 --frac 0.3 > rebu_fedavg_100_30.log 2>&1 &
FedLoGe
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 4 --num_users 40 --frac 0.3 > rebu_fedloge_40_30.log 2>&1 &
1298768
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 --num_users 100 --frac 0.3 > rebu_fedloge_100_30.log 2>&1 &
FedROD
/home/zikaixiao/zikai/aapfl/pfedlt_cifar100_fedrod/fedrod.py
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 --num_users 40 --frac 0.3 > rebu_fedrod_40_30.log 2>&1 &
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 --num_users 100 --frac 0.3 > rebu_fedrod_100_30.log 2>&1 &
FedETF
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.02 --beta 0 --gpu 5 --num_users 40 --frac 0.3 > rebu_fedetf_40_30.log 2>&1 &
nohup python fedrod.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 5 --num_users 100 --frac 0.3 > rebu_fedetf_100_30.log 2>&1 &
New Clients
python new_clients.py --alpha_dirichlet 0.5 --IF 0.01 --beta 0 --gpu 7 --num_users 20 --frac 1 --local_ep 1