Flowerدرب الذكاء الاصطناعي على بيانات موزعة

Flower: إطار عمل التعلم الاتحادي الصديق

نهج موحد للتعلم الاتحادي والتحليلات والتقييم.

الميزات الرئيسية

• تكوين أي عبء عمل، أي إطار ML، وأي لغة برمجة.
• متوافق مع أطر عمل ML الشائعة مثل PyTorch و TensorFlow و Hugging Face و JAX و Pandas و fastai و PyTorch-Lightning و MXNet و scikit-learn و XGBoost.
• قابل للتوسع إلى أنظمة العالم الحقيقي مع عشرات الملايين من العملاء.
• يدعم أجهزة السحابة والجوال والحافة بما في ذلك AWS و GCP و Azure و Android و iOS و Raspberry Pi و Nvidia Jetson.
• يمكّن الانتقال السلس من البحث إلى الإنتاج.
• مستقل عن المنصة ويعمل بشكل جيد في بيئات أجهزة الحافة غير المتجانسة.
• من السهل البدء باستخدام رمز ضئيل.

حالات الاستخدام

• التعلم الاتحادي: تدريب نماذج التعلم الآلي عبر مصادر بيانات لامركزية دون مشاركة البيانات الخام.
• التقييم الاتحادي: تقييم النماذج على مصادر بيانات لامركزية.
• التحليلات الاتحادية: إجراء تحليلات على البيانات اللامركزية.
• الخصوصية التفاضلية: تعزيز الخصوصية في نماذج التعلم الآلي.

التسعير

Flower مفتوح المصدر وخالي من الاستخدام. يتم تشجيع المساهمات ودعم المجتمع لتعزيز الإطار بشكل أكبر.

فرق

تم تطوير Flower وصيانتها بواسطة فريق متخصص في Flower Labs GmbH. يتم استخدام الإطار بواسطة المؤسسات والجامعات الرائدة في جميع أنحاء العالم، بما في ذلك جامعة كامبريدج، Brave Software، جامعة هارفارد، Orange، MIT، Samsung AI، الجامعة التقنية في ميونيخ، Siemens Healthineers، جامعة أكسفورد، Accenture، جامعة Gachon، و Banking Circle.

انضم إلى المجتمع وابدأ رحلتك مع التعلم الاتحادي باستخدام Flower اليوم!