La piattaforma TensorFlow Federated (TFF) è composta da due livelli:
- Federated Learning (FL) , interfacce di alto livello per collegare modelli di machine learning Keras o non Keras esistenti nel framework TFF. È possibile eseguire attività di base, come la formazione o la valutazione federata, senza dover studiare i dettagli degli algoritmi di apprendimento federato.
- Federated Core (FC) , interfacce di livello inferiore per esprimere in modo conciso algoritmi federati personalizzati combinando TensorFlow con operatori di comunicazione distribuita all'interno di un ambiente di programmazione funzionale fortemente tipizzato.
Inizia leggendo i seguenti tutorial che ti guidano attraverso i principali concetti e API di TFF utilizzando esempi pratici. Assicurati di seguire le istruzioni di installazione per configurare il tuo ambiente per l'uso con TFF.
- Federated Learning per la classificazione delle immagini introduce le parti chiave dell'API Federated Learning (FL) e dimostra come utilizzare TFF per simulare l'apprendimento federato su dati federati simili a MNIST.
- L'apprendimento federato per la generazione di testo dimostra ulteriormente come utilizzare l'API FL di TFF per perfezionare un modello pre-addestrato serializzato per un'attività di modellazione del linguaggio.
- Gli algoritmi federati personalizzati, Parte 1: Introduzione al Federated Core e Parte 2: Implementazione della media federata introducono i concetti e le interfacce chiave offerti dall'API Federated Core (API FC) e dimostrano come implementare un semplice algoritmo di formazione della media federata e come eseguire la valutazione federata.