本资源包提供了一个全面的去中心化联邦学习Python实现案例，包括详细的代码、文档以及预训练模型和示例数据集。适合初学者快速上手研究。
【资源介绍】该资源包含项目的全部源代码，并且下载后可以直接使用！适用于计算机、数学、电子信息等相关专业的课程设计、期末作业及毕业设计项目，可作为学习参考。
本资源仅提供“参考资料”，如需添加其他功能，则需要能够理解代码并热爱钻研，自行调试。完全去中心化的联邦学习实例python源码+项目说明+模型+数据.zip
## 一、代码架构
1. configuration：包含配置文件，在配置文件中分为**横向联邦**与**纵向联邦**两种模式的设置，可独立配置和运行。
2. data：存放数据加载及处理的相关代码。
3. model：存储模型定义及相关信息。
4. train：包含训练相关代码以及一些辅助函数。
5. train/res：所有经过训练后的结果图会保存在此目录下。
6. utils：提供工具函数，方便进行各种操作和调试。
7. img：存放readme中的图片。
## 二、代码详解
### (一) 横向联邦
#### 1 数据集选用
使用`FashionMNIST`数据集。该数据集中包含训练图像共60,000张，测试图像为10,000张，并且涵盖了10个不同的类别。
#### 2 参与训练客户端
- 在代码中创建了n个不同client对象以模拟多个参与方（客户端的数量可在配置文件里设置）。
- 客户端之间采用**环形**连接方式，即[0->1->2->3->...->n->0]。
- 实际上，各个客户端之间的信息交换需要通过网络IO实现，在后续开发中需要注意如何减少通信成本。
#### 3 数据集获取与划分
......
5星
