FedProx：2020 FedAvg的改进 论文：《Federated Optimization in Heterogeneous Networks》 引用量：4445 源码地址： 官方实现（tensorflow）https://github.com/litian96/FedProx 几个pytorch实现：https://github.com/ki-ljl/FedProx-PyTorch ，

论文：Communication-Efficient Learning of Deep Networks from Decentralized Data 原code Reproducing 通过阅读帖子进行的了解。 联邦平均算法就是最典型的平均算法之一。将每个客户端上的本地随机梯度下降和执行模型的平均服务器结合在一起。 联邦优化问题 数据非独立同分布 数据分布的不平衡性 用户规模大

FedAvg：2017年 开山之作 论文地址：https://proceedings.mlr.press/v54/mcmahan17a/mcmahan17a.pdf 源码地址：https://github.com/shaoxiongji/federated-learning 针对的问题：移动设备中有大量的数据，但显然我们不能收集这些数据到云端以进行集中训练，所以引入了一种分布式的机器学习方法，即

目录 PaddleFL PaddleFL概述 横向联邦学习（Horizontal Federated Learning, HFL） 纵向联邦学习（Vertical Federated Learning, VFL）