flower
1.0.0
网站|博客|文档|会议|松弛
Flower（ flwr ）是建造联合AI系统的框架。花的设计基于一些指导原则：
可自定义：联合学习系统从一个用例到另一种用例差异很大。根据每个单独的用例的需求，Flower允许多种不同的配置。
可扩展的：花起源于牛津大学的研究项目，因此它是在AI研究中构建的。许多组件可以扩展和覆盖以构建新的最新系统。
框架 - 敏捷：不同的机器学习框架具有不同的优势。花可以与任何机器学习框架一起使用，例如Pytorch，Tensorflow，拥抱面孔变压器，Pytorch Lightning，Scikit-Learn，Jax，Jax，Tflite，Tflite，Monai，Monai，Fastai，MLX，Xgboost，Pandas，Federated Analyticss，甚至用于使用计算渐进率的用户使用的Numpy。
可以理解的：花写有可维护性。鼓励社区阅读并为代码库做出贡献。
在flower.ai上认识花社区！
Flower的目标是使所有人都可以访问联盟的学习。这一系列教程介绍了联邦学习的基础知识以及如何在花中实施它们。
什么是联邦学习？
（或打开Jupyter笔记本）
联合学习介绍
（或打开Jupyter笔记本）
在联邦学习中使用策略
（或打开Jupyter笔记本）
建立联合学习的策略
（或打开Jupyter笔记本）
定制客户用于联合学习
（或打开Jupyter笔记本）
请继续关注，更多的教程即将推出。主题包括联合学习中的隐私和安全性，以及扩展联合学习的规模。
（或打开Jupyter笔记本）
花文档：
Flower Baselines是由社区成员的项目集合，可以重现在受欢迎的联邦学习出版物中进行的实验。研究人员可以基于花基线来快速评估新想法。花社区喜欢贡献！使您的工作更加明显，并使他人能够通过将其作为基准贡献来建立！
请参阅“花基线文档”以获取基线的详细分类，以获取其他信息，包括：
几个代码示例显示了不同的花朵场景（结合流行的机器学习框架，例如Pytorch或Tensorflow）。
快速启动示例：
其他示例：
花是由精彩的研究人员和工程师社区建造的。加入Slack与他们见面，欢迎捐款。
如果您发布使用花朵的作品，请引用花如下：
@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 }
}另外，请考虑将您的出版物添加到文档中的基于花的出版物列表中，只需打开拉动请求即可。
我们欢迎捐款。请参阅贡献。md开始！
