- 代码分析：FedML库中client的工作
client端的大概工作流程为：向server注册，向server请求数据集，加载数据，创建模型，创建ModelTrainer，创建FedAVGTrainer，创建ClientManager，开始训练并与server交互
（1）向server注册
register():：向server post自己的id，通知server该client已上线，并从server获取训练的参数，如训练所使用的数据集、模型、学习率等
（2）向server请求数据集
download_and_unzip()：server有预处理好的小数据集，向server请求下载数据，下载完成后解压
（3）加载数据
load_data_by_device()：根据自己的id，加载对应的数据集，如client 0加载MNIST_mobile/0，client 1加载MNIST_mobile/1
（4）创建模型
示例中使用了包含一个隐藏层(784, 10)的神经网络
优化器选择了SGD
（5）创建ModelTrainer
ModelTrainer的功能有：
get_model_params()：获取模型参数
set_model_params()：设置模型参数
train()：训练
test()：测试
（6）创建FedAVGTrainer
对ModelTrainer的封装，功能有：
update_model()：调用ModelTrainer的set_model_params()设置模型参数
update_dataset()：根据client id选择训练数据
train()：使用ModelTrainer的train()进行训练，并获取模型参数，返回模型参数和训练样本数
test()：使用ModelTrainer的test()进行测试
（7）创建ClientManager
ClientManager用于client和server之间的通信，主要功能有：
register_message_receive_handlers()：注册处理不同类型信息的函数，如处理初始化信息使用handle_message_init()，处理server发来的模型使用handle_message_receive_model_from_server()
handle_message_init()：处理初始化信息，但该函数实际上没有被调用过
handle_message_model_receive_from_server()：接收server发送的更新后的模型参数，使用FedAVGTrainer的update_model()进行模型参数的更新，然后开始下一轮训练；所有训练epoch完成后通知server
send_model_to_server()：将自己的id、模型的参数和训练样本数发送给server
__train()：调用FedAVGTrainer.train()进行训练，获取训练后的模型参数和训练的样本数，再调用send_model_to_server()上传模型参数和训练样本数给server
- 实验代码更新
跑实验代码进行模型训练。
