FlowerLatih AI pada data terdistribusi

Flower: Kerangka Kerja Pembelajaran Federasi yang Ramah

Pendekatan terpadu untuk pembelajaran federasi, analitik, dan evaluasi.

Fitur Utama

• Federasikan beban kerja apa pun, kerangka kerja ML apa pun, dan bahasa pemrograman apa pun.
• Kompatibel dengan kerangka kerja ML populer seperti PyTorch, TensorFlow, Hugging Face, JAX, Pandas, fastai, PyTorch-Lightning, MXNet, scikit-learn, dan XGBoost.
• Dapat diskalakan ke sistem dunia nyata dengan puluhan juta klien.
• Mendukung perangkat cloud, seluler, dan edge termasuk AWS, GCP, Azure, Android, iOS, Raspberry Pi, dan Nvidia Jetson.
• Memungkinkan transisi yang mulus dari penelitian ke produksi.
• Independen platform dan bekerja dengan baik di lingkungan perangkat edge heterogen.
• Mudah untuk memulai dengan kode minimal.

Kasus Penggunaan

• Pembelajaran Federasi: Melatih model pembelajaran mesin di seluruh sumber data terdesentralisasi tanpa berbagi data mentah.
• Evaluasi Federasi: Mengevaluasi model pada sumber data terdesentralisasi.
• Analitik Federasi: Melakukan analitik pada data terdesentralisasi.
• Privasi Diferensial: Meningkatkan privasi dalam model pembelajaran mesin.

Harga

Flower adalah open-source dan bebas untuk digunakan. Kontribusi dan dukungan komunitas dianjurkan untuk lebih meningkatkan kerangka kerja.

Tim

Flower dikembangkan dan dipelihara oleh tim khusus di Flower Labs GmbH. Kerangka kerja ini digunakan oleh organisasi dan universitas terkemuka di seluruh dunia, termasuk Universitas Cambridge, Brave Software, Universitas Harvard, Orange, MIT, Samsung AI, Universitas Teknik Munich, Siemens Healthineers, Universitas Oxford, Accenture, Universitas Gachon, dan Banking Circle.

Gabunglah dengan komunitas dan mulailah perjalanan Anda dengan pembelajaran federasi menggunakan Flower hari ini!