Tutoriais federados do TensorFlow

Esses tutoriais baseados no Colab apresentam os principais conceitos e APIs do TFF usando exemplos práticos. A documentação de referência pode ser encontrada nos guias do TFF .

Introdução ao aprendizado federado

• O curso "Aprendizado Federado para Classificação de Imagens" apresenta as principais partes da API de Aprendizado Federado (FL) e demonstra como usar o TFF para simular o aprendizado federado em dados federados semelhantes ao MNIST.
• O aprendizado federado para geração de texto demonstra ainda mais como usar a API FL do TFF para refinar um modelo pré-treinado serializado para uma tarefa de modelagem de linguagem.
• O ajuste das agregações recomendadas para aprendizado mostra como os cálculos básicos de lógica fuzzy em tff.learning podem ser combinados com rotinas de agregação especializadas, oferecendo robustez, privacidade diferencial, compressão e muito mais.

Introdução à análise federada

• O artigo "Private Heavy Hitters" mostra como usar tff.analytics.heavy_hitters para construir um cálculo analítico federado para descobrir os principais servidores privados.

Escrita de cálculos federados personalizados

• O artigo "Criando seu próprio algoritmo de aprendizado federado" mostra como usar as APIs principais do TFF para implementar algoritmos de aprendizado federado, usando a média federada como exemplo.
• O artigo "Composing Learning Algorithms" mostra como usar a API de Aprendizado TFF para implementar facilmente novos algoritmos de aprendizado federado, especialmente variantes da Média Federada.
• Os artigos "Algoritmos Federados Personalizados, Parte 1: Introdução ao Núcleo Federado" e "Parte 2: Implementando a Média Federada" apresentam os principais conceitos e interfaces oferecidos pela API do Núcleo Federado (API FC).
• O artigo "Implementando Agregações Personalizadas" explica os princípios de design por trás do módulo tff.aggregators e as melhores práticas para implementar a agregação personalizada de valores de clientes para o servidor.

Melhores práticas de simulação

• A simulação TFF com aceleradores (GPU) mostra como o ambiente de execução de alto desempenho do TFF pode ser usado com GPUs.

• Trabalhar com ClientData oferece as melhores práticas para integrar os conjuntos de dados de simulação baseados em ClientData do TFF em cálculos do TFF.

Tutoriais de nível intermediário e avançado

• A geração de ruído aleatório destaca algumas sutilezas no uso da aleatoriedade em computações descentralizadas e propõe boas práticas e padrões recomendados.

• O artigo "Enviando dados diferentes para clientes específicos com federated_language.federated_select" apresenta o operador federated_language.federated_select e fornece um exemplo simples de um algoritmo federado personalizado que envia dados diferentes para clientes diferentes.

• O aprendizado federado de grande porte e eficiente para o cliente, via federated_select e agregação esparsa, demonstra como o TFF pode ser usado para treinar um modelo muito grande, onde cada dispositivo cliente baixa e atualiza apenas uma pequena parte do modelo, utilizando federated_language.federated_select e agregação esparsa.

• O artigo "Aprendizado Federado com Privacidade Diferencial em TFF" demonstra como usar o TFF para treinar modelos com privacidade diferencial em nível de usuário.