大规模多层接入网络的边缘学习仿真数据集

对于无线联邦学习场景下利用用户调度和双自适应量化来改善模型性能并降低能耗的方案进行仿真验证，记录模型训练数据集以及用户调度和双自适应量化方案在测试集上的准确率、训练+通信的总能耗数据。模型训练使用公开的权威开源数据集MNIST、FEMNIST和CIFAR-10，在Pytorch架构下模拟用户调度和双自适应量化的联邦学习方法，并且利用Python对无线通信环境进行建模，对方案性能进行检测，得到测试集的准确率和训练+通信的总能耗。数据量397MB。

搜集汇总

背景与挑战

背景概述

该数据集针对无线联邦学习场景，通过仿真验证用户调度和双自适应量化方案，以提升模型性能并降低能耗。它基于公开的MNIST、FEMNIST和CIFAR-10数据集进行训练，并记录了测试集上的准确率与总能耗数据，数据量约为397MB。