TODO.md

现在的进度

1. 实现了一套单机系统以模拟多个client进行联邦学习。
2. 在模拟系统上测试了语音识别任务，初步实验结果证明协议有效，可以收敛。

目标

1. 实现分布式(n>=3)的联邦学习系统，包括客户端和服务器端。数据只保存在客户端，服务器不进行模型的训练。
2. 在语音识别的场景下，证明联邦学习系统的有效性，期待其收敛速度与单机学习系统的差异在可接受的范围内。
3. 考虑完整的业务流程？(麦克风收集数据->使用该数据进行训练->分布式训练得到模型->在本地测试)

可能出现的困难

1. 移动端计算能力低，导致收敛速度大幅下降
2. 频繁的梯度信息的传递带来较大开销，导致收敛速度下降。
3. 各个client 之间的模型保持同步,一致性的问题。

需要的技术

1. python-socket server
2. 一致性协议的实现
3. python-for-android

2019.11.19

完成多线程加速的实现．下一步考虑模拟client层面的并行． 最终结果还是GPU计算慢一点．