关于新用户的实验

[zgh1216820-coder]

What is your question?

尊敬的作者你好！对于框架中，新用户接入的相关实验有几个问题：
1.在PeFLL中，有这个提示
"PeFLL is not available with user-based data partition"
"(i.e., users are divided into train users and test users, the latter has no data for training at all.)."
PeFLL的原文中是做了新用户接入实验的，我想继续做相关的实验，然后发现这个提示，请问一下作者大佬，这里的提示是因为什么？
2.在pfedhn的原文中，对于新接入客户端，冻结了超网络，然后对新客户端定义了向量，再对向量进行了k步的微调来匹配新客户端，但在框架里，好像是直接用的finetune进行本地微调就进行测试了，这是我漏看了哪里的代码吗。
感谢你百忙之中查看这个问题！

Additional Context

No response

[KarhouTam]

不好意思最近才看到这个问题。

PeFLL is not available with user-based data partition

这个大概是因为 PeFLL 是一个个性化联邦学习算法，然后每个 client 的模型都是完全个性化的。所以在面向训练阶段完全没有见过的新客户，模型表现肯定非常差？

FL-bench/src/server/pefll.py

Line 15 in c88d3bc

all_model_params_personalized = True # `True` indicates that clients have their own fullset of personalized model parameters.

具体的细节我已经不是记得很清楚了😂 如果想做新用户接入实验，估计需要修改代码才行。

但在框架里，好像是直接用的finetune进行本地微调就进行测试了，这是我漏看了哪里的代码吗。

我仿佛记得 pFedHN 的官方实现就是直接 fintune 超网络生成的模型的？这个需要对照官方实现看看。
官方实现：https://github.com/AvivSham/pFedHN

[zgh1216820-coder]

PeFLL原文好像是每个新客户端有少量的训练数据，可以根据客户端本地少量训练数据，利用embednet快速提取embedding然后让超网络给出合理的网络参数，他文中的其他对比方法应该也是用少量训练数据进行了微调，例如元学习联邦学习和knnper构建datastore，可能是这样？
pFedHN是定义了一个新向量，然后固定了超网络参数，根据新客户端的训练数据进行了一定轮次的微调，然后测试？应该是这样，这样这个框架如果要测试新接入客户端，可能需要重新定一个pFedHN的client文件。
我修改了代码让每个新客户端都有少量的训练数据，这样可以让超网络联邦学习可以根据训练数据进行神经网络参数预测，以供测试数据进行测试，其他联邦学习都可以用其进行一轮微调来测试，或者构建什么来测试进行对比。