flower: フレームワークに依存しない、連合AIを構築・拡張するためのシステム

何を解決するか

Flowerは、連合AIシステムの構築プロセスを簡素化し、開発者が生のデータを中央に移動させることなく、複数の分散されたデバイスやサーバーにわたって機械学習モデルをトレーニングできるようにします。

仕組み

Flowerは、連合学習のためのオーケストレーション層として機能するフレームワークを提供します。これはフレームワークに依存しないように設計されており、PyTorch、TensorFlow、JAX、Hugging Face、または scikit-learn といったあらゆるMLライブラリと統合でき、モデルトレーニングを分散させるためのカスタム戦略や通信パターンをサポートするように拡張可能です。

対象ユーザー

スケーラブルでカスタマイズ可能な連合学習システムを構築する必要があるAI研究者やエンジニア、およびエッジデバイス（Android、iOS、または Raspberry Pi）上でプライバシーを保護するAIを実装しようとしている開発者向けに設計されています。

ハイライト

• フレームワークに依存しない: PyTorch、TensorFlow、Hugging Face、さらには NumPy も含む、ほぼすべてのMLライブラリで動作します。
• 高度なカスタマイズ性: ユーザーがコンポーネントをオーバーライドして、新しい最先端の連合システムを作成することを可能にします。
• 幅広いデバイスサポート: モバイルプラットフォーム（Android/TFLite、iOS/CoreML）および組み込みデバイス（Raspberry Pi、Nvidia Jetson）向けのクイックスタートが含まれています。
• 研究用として利用可能: 人気のある連合学習の論文の再現実装を集めた、コミュニティ貢献による「Flower Baselines」が含まれています。