flower
1.0.0
Situs web | Blog | Docs | Konferensi | Kendur
Bunga ( flwr ) adalah kerangka kerja untuk membangun sistem AI federasi. Desain bunga didasarkan pada beberapa prinsip panduan:
Disesuaikan : Sistem pembelajaran federasi sangat bervariasi dari satu kasus penggunaan ke kasus lainnya. Bunga memungkinkan untuk berbagai konfigurasi yang berbeda tergantung pada kebutuhan setiap kasing individu.
Perpanjangan : Bunga berasal dari proyek penelitian di University of Oxford, jadi itu dibangun dengan mempertimbangkan penelitian AI. Banyak komponen dapat diperpanjang dan ditimpa untuk membangun sistem canggih yang baru.
Framework-agnostik : Kerangka pembelajaran mesin yang berbeda memiliki kekuatan yang berbeda. Bunga dapat digunakan dengan kerangka pembelajaran mesin apa pun, misalnya, pytorch, tensorflow, memeluk transformator wajah, petir pytorch, scikit-learn, jax, tflite, monai, fastai, mlx, xgboost, panda untuk analitik federasi, atau bahkan numpy raw untuk pengguna yang menikmati gradien komputasi.
Dapat dimengerti : Bunga ditulis dengan pemeliharaan dalam pikiran. Komunitas ini didorong untuk membaca dan berkontribusi pada basis kode.
Temui Komunitas Bunga di Flower.ai!
Tujuan Flower adalah membuat pembelajaran federasi dapat diakses oleh semua orang. Serangkaian tutorial ini memperkenalkan dasar -dasar pembelajaran federasi dan bagaimana mengimplementasikannya dalam bunga.
Apa itu Pembelajaran Federasi?
(Atau buka buku catatan Jupyter)
Pengantar Pembelajaran Federasi
(Atau buka buku catatan Jupyter)
Menggunakan strategi dalam pembelajaran federasi
(Atau buka buku catatan Jupyter)
Membangun Strategi untuk Pembelajaran Federasi
(Atau buka buku catatan Jupyter)
Klien Kustom untuk Pembelajaran Federasi
(Atau buka buku catatan Jupyter)
Tetap disini, lebih banyak tutorial akan segera hadir. Topik meliputi privasi dan keamanan dalam pembelajaran federasi , dan penskalaan pembelajaran federasi .
(Atau buka buku catatan Jupyter)
Dokumen Bunga:
Flower Baselines adalah kumpulan proyek-proyek yang dikendalikan oleh masyarakat yang mereproduksi eksperimen yang dilakukan dalam publikasi pembelajaran federasi yang populer. Para peneliti dapat membangun di atas garis dasar bunga untuk dengan cepat mengevaluasi ide -ide baru. Komunitas bunga menyukai kontribusi! Jadikan pekerjaan Anda lebih terlihat dan memungkinkan orang lain untuk membangunnya dengan menyumbangkannya sebagai garis dasar!
Silakan merujuk ke dokumentasi Bola Baselin Bunga untuk kategorisasi rinci garis dasar dan untuk info tambahan termasuk:
Beberapa contoh kode menunjukkan berbagai skenario penggunaan bunga (dalam kombinasi dengan kerangka pembelajaran mesin populer seperti Pytorch atau TensorFlow).
Contoh QuickStart:
Contoh lainnya:
Bunga dibangun oleh komunitas peneliti dan insinyur yang luar biasa. Bergabunglah dengan Slack untuk bertemu mereka, kontribusi dipersilakan.
Jika Anda mempublikasikan karya yang menggunakan bunga, silakan kutip bunga sebagai berikut:
@article { beutel2020flower ,
title = { Flower: A Friendly Federated Learning Research Framework } ,
author = { Beutel, Daniel J and Topal, Taner and Mathur, Akhil and Qiu, Xinchi and Fernandez-Marques, Javier and Gao, Yan and Sani, Lorenzo and Kwing, Hei Li and Parcollet, Titouan and Gusmão, Pedro PB de and Lane, Nicholas D } ,
journal = { arXiv preprint arXiv:2007.14390 } ,
year = { 2020 }
}Harap pertimbangkan juga menambahkan publikasi Anda ke daftar publikasi berbasis bunga di dokumen, cukup buka permintaan tarik.
Kami menyambut kontribusi. Silakan lihat Contributing.md untuk memulai!
