google-parfait/tensorflow-federated

何を解決するか

分散データ上で機械学習モデルを訓練する際、機密データを中央サーバーにアップロードする必要がないという課題に対処します。これにより、ユーザーのデータをローカルに保ちながらも、共同でのモデル訓練が可能になります。

動作方法

TFFは、多数の参加クライアント間で共有されたグローバルモデルを訓練するフェデレーテッドラーニングアプローチを使用します。2つの主要なインターフェースレイヤーを提供します：

• フェデレーテッドラーニング（FL）API：高レベルのレイヤー（tff.learning）で、既存のフェデレーテッドトレーニングおよび評価実装をTensorFlowモデルに適用できます。
• フェデレーテッドコア（FC）API：低レベルで強力に型付けされた関数型プログラミング環境で、TensorFlowと分散通信演算子を組み合わせ、新しいフェデレーテッドアルゴリズムを表現できます。

対象ユーザー

フェデレーテッドラーニングアルゴリズムの実験、分散データ上の集計分析などの非学習計算の実装、またはさまざまなランタイム環境へのフェデレーテッド計算のデプロイを希望する研究者や開発者向けに設計されています。

特徴

• 高レベルのトレーニング/評価APIと低レベルのアルゴリズム設計ツールの両方をサポート。
• 敏感データをアップロードせずにモデル（例：モバイルキーボード予測）のトレーニングを可能に。
• すばやい実験用にシングルマシンシミュレーションランタイムを含む。
• 異なる環境へのデプロイを宣言的に表現できる。