Flower Framework Documentation¶
Welcome to Flower’s documentation. Flower is a friendly federated learning framework.
Rejoignez la communauté de Flower¶
Le communauté de Flower s’agrandit rapidement - on est un super groupe de chercheurs, ingénieurs, étudiants, professionnels, académiques, et autres hobbyistes.
Flower Framework¶
Ce guide utilisateur s’adresse à des chercheurs et des développeurs qui veulent utiliser Flower pour transposer des workloads de Machine Learning existantes dans un scenario fédéré. Un des buts de Flower est de rendre cela le plus evident possible. Lisez la suite pour en apprendre plus.
Tutoriels¶
Une serie de tutoriels de Federated Learning, l’endroit parfait pour débuter.
QUICKSTART TUTORIALS: PyTorch | TensorFlow | MLX | 🤗 Transformers | JAX | Pandas | fastai | PyTorch Lightning | scikit-learn | XGBoost | Android | iOS
We also made video tutorials for PyTorch:
And TensorFlow:
Guides¶
Guides orientés sur la résolutions étapes par étapes de problèmes ou objectifs specifiques.
- Install Flower
- Configure Clients
- Design stateful ClientApps
- Use strategies
- Implement strategies
- Aggregate evaluation results
- Save and Load Model Checkpoints
- Run simulations
- Enable TLS connections
- Use Built-in Mods
- Use Differential Privacy
- Authenticate SuperNodes
- Implement FedBN
- Run Flower using Docker
- Passe à Flower 1.0
- Upgrade to Flower 1.13
Explications¶
Guides orientés sur la compréhension et l’explication des sujets et idées de fonds sur lesquels sont construits Flower et l’IA collaborative.
References¶
Référence de l’API orientée sur l’information pure.
Flower main package. |
Contributor docs¶
The Flower community welcomes contributions. The following docs are intended to help along the way.