Hide navigation sidebar

Hide table of contents sidebar

Skip to content

Toggle site navigation sidebar

Flower Framework

Toggle table of contents sidebar

Tutoriel

Qu’est-ce que l’apprentissage fédéré ?
Get started with Flower
Use a federated learning strategy
Build a strategy from scratch
Customize the client

Quickstart tutorials

Démarrage rapide de PyTorch
Démarrage rapide de TensorFlow
Quickstart MLX
Démarrage rapide 🤗 Transformateurs
Démarrage rapide de JAX
Démarrage rapide des Pandas
Démarrage rapide fastai
Démarrage rapide de PyTorch Lightning
Démarrage rapide de scikit-learn
Démarrage rapide XGBoost
Quickstart Android
Quickstart iOS

Guides

Install Flower
Configure clients
Design Stateful ClientApps
Use strategies
Implement strategies
Aggregate evaluation results
Save and load model checkpoints
Run simulations
Monitor simulation
Configure logging
Enable SSL connections
Use Built-in Mods
Use Differential Privacy
Authenticate SuperNodes
Run Flower using Docker
Toggle navigation of Run Flower using Docker
Passe à Flower 1.0
Upgrade to Flower Next

Legacy example guides

Exemple : PyTorch - De la centralisation à la fédération
Exemple : FedBN dans PyTorch - De la centralisation à la fédération

Explications

Évaluation fédérée
Differential Privacy
Architecture florale

Référence pour l'API

flwr
Toggle navigation of flwr
- client
  Toggle navigation of client
  - start_client
  - start_numpy_client
  - Client
  - ClientApp
  - NumPyClient
  - mod
    Toggle navigation of mod
- commun
  Toggle navigation of commun
  - array_from_numpy
  - bytes_to_ndarray
  - configure
  - event
  - log
  - ndarray_to_bytes
  - ndarrays_to_parameters
  - now
  - parameters_to_ndarrays
  - Array
  - ClientMessage
  - Code
  - Config
  - ConfigsRecord
  - Context
  - DisconnectRes
  - Error
  - EvaluateIns
  - EvaluateRes
  - EventType
  - FitIns
  - FitRes
  - GetParametersIns
  - GetParametersRes
  - GetPropertiesIns
  - GetPropertiesRes
  - Message
  - MessageType
  - MessageTypeLegacy
  - Métadonnées
  - Metrics
  - MetricsRecord
  - NDArray
  - NDArrays
  - Parameters
  - ParametersRecord
  - Properties
  - ReconnectIns
  - RecordSet
  - ServerMessage
  - Status
- serveur
  Toggle navigation of serveur
  - start_server
  - ClientManager
  - Driver
  - History
  - LegacyContext
  - Serveur
  - ServerApp
  - ServerAppComponents
  - ServerConfig
  - SimpleClientManager
  - strategy
    Toggle navigation of strategy
  - workflow
    Toggle navigation of workflow
- simulation
  Toggle navigation of simulation

Flower CLI reference
Advanced Commands
Technical Commands
Deprecated Commands

Référence pour la documentation

Example projects
Télémétrie
Changelog
FAQ

Contributor tutorials

Contribuer sur GitHub
Devenez un·e contributeur·ice

Contributor how-to guides

Installer les versions de développement de Flower
Mettre un environment virtuel en place
Utiliser les conteneurs VS Code Remote
Rédiger de la documentation
Publier Flower
Contribute translations
How to Build Docker Flower Images Locally

Contributor explanations

Public and private APIs

Contributor references

FED - Doc pour l’amélioration des fleurs
Toggle navigation of FED - Doc pour l’amélioration des fleurs
- Modèle FED
- Doc sur l’amélioration des fleurs
Bonnes premières contributions
Protocoles d’agrégation sécurisés

Versions

v1.8.0
v1.9.0
v1.10.0
v1.11.0
v1.11.1
v1.12.0
main

🇬🇧 🇫🇷 🇨🇳 🇰🇷

Toggle table of contents sidebar

array_from_numpy¶

array_from_numpy(ndarray: ndarray[Any, dtype[Any]]) → Array[source]¶: Create Array from NumPy ndarray.

bytes_to_ndarray

Copyright © 2024 Flower Labs GmbH

Made with Sphinx and @pradyunsg's Furo

On this page

array_from_numpy
- array_from_numpy()