flower
1.0.0
Site | Blog | DOCs | Conferência | Folga
FLOR ( flwr ) é uma estrutura para a construção de sistemas federados de IA. O design da flor é baseado em alguns princípios orientadores:
Personalizável : os sistemas de aprendizado federados variam muito de um caso de uso para outro. A flor permite uma ampla gama de configurações diferentes, dependendo das necessidades de cada caso de uso individual.
Extrenda : a flor originou de um projeto de pesquisa na Universidade de Oxford, por isso foi construído com a pesquisa de IA em mente. Muitos componentes podem ser estendidos e substituídos para construir novos sistemas de ponta.
Framework-Agnóstico : Diferentes estruturas de aprendizado de máquina têm forças diferentes. A flor pode ser usada com qualquer estrutura de aprendizado de máquina, por exemplo, pytorch, tensorflow, abraçando transformadores de rosto, raios de pytorch, scikit-learn, Jax, tflite, monai, fastai, mlx, xgboost, pandas para análises federadas ou até numpy cru para usuários que desfrutam de gradientes de computação por mão.
Compreensível : a flor é escrita com a manutenção em mente. A comunidade é incentivada a ler e contribuir para a base de código.
Conheça a comunidade de flores na flor.ai!
O objetivo da flor é tornar o aprendizado federado acessível a todos. Esta série de tutoriais apresenta os fundamentos da aprendizagem federada e como implementá -los em flores.
O que é o aprendizado federado?
(ou abra o notebook Jupyter)
Uma introdução ao aprendizado federado
(ou abra o notebook Jupyter)
Usando estratégias em aprendizado federado
(ou abra o notebook Jupyter)
Criação de estratégias para aprendizado federado
(ou abra o notebook Jupyter)
Clientes personalizados para aprendizado federado
(ou abra o notebook Jupyter)
Fique atento, mais tutoriais estão chegando em breve. Os tópicos incluem privacidade e segurança na aprendizagem federada e escala de aprendizado federado .
(ou abra o notebook Jupyter)
Documentos de flores:
A Flower Basilys é uma coleção de projetos que reproduzem os experimentos realizados em publicações populares de aprendizagem federada. Os pesquisadores podem construir linhas de base de flores para avaliar rapidamente novas idéias. A comunidade de flores adora contribuições! Torne seu trabalho mais visível e permita que outras pessoas o desenvolvam contribuindo com ele como uma linha de base!
Consulte a documentação das linhas de base das flores para obter uma categorização detalhada das linhas de base e para obter informações adicionais, incluindo:
Vários exemplos de código mostram diferentes cenários de uso da flor (em combinação com estruturas populares de aprendizado de máquina, como pytorch ou tensorflow).
Exemplos de início rápido:
Outros exemplos:
A flor é construída por uma maravilhosa comunidade de pesquisadores e engenheiros. Junte -se ao Slack para conhecê -los, as contribuições são bem -vindas.
Se você publicar um trabalho que usa flor, cite a flor da seguinte maneira:
@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 }
}Considere também adicionar sua publicação à lista de publicações baseadas em flores nos documentos, basta abrir uma solicitação de tração.
Congratulamo -nos com contribuições. Por favor, consulte a contribuição.md para começar!
