flower
1.0.0
Sitio web | Blog | Docios | Conferencia | Flojo
Flower ( flwr ) es un marco para construir sistemas de IA federados. El diseño de la flor se basa en algunos principios rectores:
Personalizables : los sistemas de aprendizaje federado varían enormemente de un caso de uso a otro. La flor permite una amplia gama de diferentes configuraciones dependiendo de las necesidades de cada caso de uso individual.
Extendible : Flower se originó en un proyecto de investigación en la Universidad de Oxford, por lo que se construyó con la investigación de IA en mente. Muchos componentes pueden extenderse y anularse para construir nuevos sistemas de última generación.
Marco-Agnóstico : los diferentes marcos de aprendizaje automático tienen diferentes fortalezas. La flor se puede usar con cualquier marco de aprendizaje automático, por ejemplo, pytorch, tensorflow, abrazando transformadores faciales, rayos de pytorch, scikit-learn, jax, tflite, monai, fayai, mlx, xgboost, pandas para analíticos federados, o incluso numpy crudos para usuarios que disfrutan de los graduados de los calabinización a mano.
Comprensible : la flor está escrita con mantenimiento en mente. Se alienta a la comunidad a leer y contribuir a la base de código.
Conoce a la comunidad de flores en Flower.ai!
El objetivo de Flower es hacer que el aprendizaje federado sea accesible para todos. Esta serie de tutoriales presenta los fundamentos del aprendizaje federado y cómo implementarlos en flor.
¿Qué es el aprendizaje federado?
(o abra el cuaderno Jupyter)
Una introducción al aprendizaje federado
(o abra el cuaderno Jupyter)
Uso de estrategias en el aprendizaje federado
(o abra el cuaderno Jupyter)
Estrategias de construcción para el aprendizaje federado
(o abra el cuaderno Jupyter)
Clientes personalizados para el aprendizaje federado
(o abra el cuaderno Jupyter)
Estén atentos, pronto llegarán más tutoriales. Los temas incluyen privacidad y seguridad en el aprendizaje federado y escalar el aprendizaje federado .
(o abra el cuaderno Jupyter)
Documentos de flores:
Flower Basline es una colección de proyectos tratados con la comunidad que reproducen los experimentos realizados en publicaciones populares de aprendizaje federado. Los investigadores pueden basarse en líneas de base de flores para evaluar rápidamente nuevas ideas. ¡La comunidad de flores ama las contribuciones! ¡Haga que su trabajo sea más visible y permita que otros se construyan sobre él contribuyendo como una línea de base!
Consulte la documentación de las líneas de base de flores para una categorización detallada de líneas de base y para obtener información adicional que incluya:
Varios ejemplos de código muestran diferentes escenarios de uso de flores (en combinación con marcos populares de aprendizaje automático como pytorch o tensorflow).
Ejemplos de inicio rápido:
Otros ejemplos:
Flower está construida por una maravillosa comunidad de investigadores e ingenieros. Únete a Slack para conocerlos, las contribuciones son bienvenidas.
Si publica un trabajo que usa flor, cite Flower de la siguiente manera:
@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 }
}También considere agregar su publicación a la lista de publicaciones basadas en flores en los documentos, simplemente abra una solicitud de extracción.
Agradecemos las contribuciones. ¡Consulte Contriping.md para comenzar!
