flower
1.0.0
ウェブサイト|ブログ|ドキュメント|会議|スラック
Flower（ flwr ）は、Federated AIシステムを構築するためのフレームワークです。花のデザインは、いくつかの指導原則に基づいています。
カスタマイズ可能：フェデレーション学習システムは、ユースケースから別のユースケースまで大きく異なります。花は、個々のユースケースのニーズに応じて、幅広い異なる構成を可能にします。
拡張可能：フラワーはオックスフォード大学の研究プロジェクトから生まれたため、AIの研究を念頭に置いて構築されました。多くのコンポーネントを拡張およびオーバーライドすることができ、新しい最先端のシステムを構築できます。
フレームワークと依存：さまざまな機械学習フレームワークには、強みが異なります。花は、たとえば、Pytorch、Tensorflow、Hugging Face Transformers、Pytorch Lightning、Scikit-Learn、Jax、Tflite、Monai、Fastai、MLX、Xgboost、Pandas for Federated Analytics、さらには手によるコンピューターの勾配を楽しむユーザーのための生のnumpyでさえ、任意の機械学習フレームワークで使用できます。
理解可能：花は保守性を念頭に置いて書かれています。コミュニティは、コードベースを読んで貢献することが奨励されています。
offlower.aiでフラワーコミュニティに会いましょう！
Flowerの目標は、フェデレート学習を誰でもアクセスできるようにすることです。この一連のチュートリアルでは、フェデレートラーニングの基本と、花でそれらを実装する方法を紹介します。
フェデレートラーニングとは何ですか？
（またはJupyterノートを開く）
連邦学習の紹介
（またはJupyterノートを開く）
連合学習における戦略を使用します
（またはJupyterノートを開く）
連合学習のための構築戦略
（またはJupyterノートを開く）
フェデレーションラーニング用のカスタムクライアント
（またはJupyterノートを開く）
お楽しみに、より多くのチュートリアルが間もなく登場します。トピックには、連邦学習におけるプライバシーとセキュリティ、および連邦学習のスケーリングが含まれます。
（またはJupyterノートを開く）
フラワードキュメント：
Flower Baselinesは、人気のあるフェデレートラーニング出版物で行われた実験を再現するコミュニティが制定したプロジェクトのコレクションです。研究者は、新しいアイデアを迅速に評価するために、フラワーベースラインに基づいて構築できます。フラワーコミュニティは貢献が大好きです！あなたの作品をより目立たせ、ベースラインとして貢献することで他の人がそれに基づいて構築できるようにします！
ベースラインの詳細な分類と以下を含む追加情報については、フラワーベースラインのドキュメントを参照してください。
いくつかのコードの例は、花のさまざまな使用シナリオを示しています（PytorchやTensorflowなどの人気のある機械学習フレームワークと組み合わせて）。
クイックスタートの例：
その他の例：
花は、研究者とエンジニアの素晴らしいコミュニティによって建てられています。 Slackに参加して彼らに会うことは大歓迎です。
花を使用する作品を公開する場合は、次のように花を引用してください。
@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 }
}また、ドキュメントのフラワーベースの出版物のリストに出版物を追加することも検討してください。プルリクエストを開くだけです。
貢献を歓迎します。開始するには、converting.mdをご覧ください！
