google-parfait/tensorflow-federated

해결하는 문제

민감한 데이터를 중앙 서버에 업로드할 필요 없이 분산된 데이터 위에서 기계학습 모델을 훈련하는 문제를 해결합니다. 이로써 사용자 데이터를 로컬에 유지하면서도 공동 모델 훈련이 가능해집니다.

작동 방식

TFF는 여러 참여 클라이언트 간에 공유된 글로벌 모델을 훈련하는 페데레이티드 러닝 방식을 사용합니다. 두 가지 주요 인터페이스 계층을 제공합니다:

• 페데레이티드 러닝(FL) API: 고수준 계층(tff.learning)으로 기존의 페데레이티드 훈련 및 평가 구현을 TensorFlow 모델에 적용할 수 있습니다.
• 페데레이티드 코어(FC) API: 저수준의 강력한 타입 지정 함수형 프로그래밍 환경으로, TensorFlow와 분산 통신 연산자를 결합하여 새로운 페데레이티드 알고리즘을 표현할 수 있습니다.

대상 사용자

페데레이티드 러닝 알고리즘을 실험하고 싶은 연구자 및 개발자, 분산된 데이터 위에서 집계 분석과 같은 비학습 계산을 구현하거나, 다양한 런타임 환경에 페데레이티드 계산을 배포하고자 하는 사용자를 위한 것입니다.

주요 특징

• 고수준 훈련/평가 API와 저수준 알고리즘 설계 도구를 모두 지원합니다.
• 민감한 데이터를 업로드하지 않고도 모델(예: 모바일 키보드 예측)을 훈련할 수 있습니다.
• 빠른 실험을 위한 싱글머신 시뮬레이션 런타임을 포함합니다.
• 다양한 환경에 배포하기 위해 계산을 선언적으로 표현할 수 있습니다.