FlowerОбучайте ИИ на распределенных данных

Flower: дружественный фреймворк федеративного обучения

Единый подход к федеративному обучению, аналитике и оценке.

Ключевые особенности

• Объединение любой рабочей нагрузки, любой ML-структуры и любого языка программирования.
• Совместимость с популярными ML-структурами, такими как PyTorch, TensorFlow, Hugging Face, JAX, Pandas, fastai, PyTorch-Lightning, MXNet, scikit-learn и XGBoost.
• Масштабируемость для реальных систем с десятками миллионов клиентов.
• Поддержка облачных, мобильных и периферийных устройств, включая AWS, GCP, Azure, Android, iOS, Raspberry Pi и Nvidia Jetson.
• Обеспечение плавного перехода от исследований к производству.
• Независимость от платформы и эффективная работа в гетерогенных средах периферийных устройств.
• Простота начала работы с минимальным кодом.

Сценарии использования

• Федеративное обучение: обучение моделей машинного обучения на децентрализованных источниках данных без обмена сырыми данными.
• Федеративная оценка: оценка моделей на децентрализованных источниках данных.
• Федеративная аналитика: выполнение аналитики на децентрализованных данных.
• Дифференциальная конфиденциальность: повышение конфиденциальности в моделях машинного обучения.

Цены

Flower - это программное обеспечение с открытым исходным кодом и бесплатное для использования. Вклад и поддержка сообщества приветствуются для дальнейшего совершенствования фреймворка.

Команды

Flower разрабатывается и поддерживается специальной командой в Flower Labs GmbH. Фреймворк используется ведущими организациями и университетами по всему миру, в том числе Кембриджским университетом, Brave Software, Гарвардским университетом, Orange, MIT, Samsung AI, Техническим университетом Мюнхена, Siemens Healthineers, Оксфордским университетом, Accenture, Gachon University и Banking Circle.

Присоединяйтесь к сообществу и начинайте свое путешествие с федеративного обучения с помощью Flower уже сегодня!