Platforma TensorFlow Federated (TFF) składa się z dwóch warstw:
- Federated Learning (FL) , interfejsy wysokiego poziomu do podłączenia istniejących modeli uczenia maszynowego Keras lub innych niż Keras do frameworka TFF. Możesz wykonywać podstawowe zadania, takie jak szkolenie federacyjne lub ocena, bez konieczności studiowania szczegółów algorytmów uczenia federacyjnego.
- Federated Core (FC) , interfejsy niższego poziomu do zwięzłego wyrażania niestandardowych algorytmów federacyjnych poprzez połączenie TensorFlow z operatorami komunikacji rozproszonej w ściśle określonym środowisku programowania funkcjonalnego.
Zacznij od przeczytania następujących samouczków, które przeprowadzą Cię przez główne koncepcje TFF i interfejsy API przy użyciu praktycznych przykładów. Upewnij się, że postępujesz zgodnie z instrukcjami instalacji, aby skonfigurować środowisko do użytku z TFF.
- Federated Learning do klasyfikacji obrazów przedstawia kluczowe części Federated Learning (FL) API i demonstruje, jak używać TFF do symulacji federacyjnego uczenia się na sfederowanych danych podobnych do MNIST.
- Federated Learning do generowania tekstu dodatkowo demonstruje, jak używać interfejsu FL API TFF do udoskonalania serializowanego, wstępnie wytrenowanego modelu dla zadania modelowania języka.
- Niestandardowe algorytmy stowarzyszone, część 1: Wprowadzenie do sfederowanego rdzenia i część 2: wdrażanie uśredniania federacyjnego przedstawiają kluczowe koncepcje i interfejsy oferowane przez interfejs Federated Core API (FC API) oraz demonstrują, jak zaimplementować prosty federacyjny algorytm uśredniania uśredniającego, a także jak przeprowadzić ocenę federacyjną.