flower: 一個用於構建與擴展聯邦 AI 的框架無關型系統

它解決了什麼問題

Flower 簡化了構建聯邦 AI 系統的過程，允許開發者在多個去中心化的設備或伺服器上訓練機器學習模型，而無需將原始數據移動到中央位置。

運作方式

Flower 提供了一個框架，作為聯邦學習的編排層。它被設計為與框架無關，這意味著它可以與任何 ML 函式庫集成——例如 PyTorch、TensorFlow、JAX、Hugging Face 或 scikit-learn——並且可以擴展以支持用於分發模型訓練的自定義策略和通信模式。

對象是誰

它是為需要構建可擴展、可自定義的聯邦學習系統的 AI 研究人員和工程師，以及尋求在邊緣設備（如 Android、iOS 或 Raspberry Pi）上實現隱私保護 AI 的開發者而設計的。

重點特性

• 框架無關：幾乎可以與任何 ML 函式庫配合使用，包括 PyTorch、TensorFlow、Hugging Face，甚至 NumPy。
• 高度可自定義：允許用戶覆蓋組件以創建新的尖端聯邦系統。
• 廣泛的設備支持：包括移動平台的快速入門（Android/TFLite、iOS/CoreML）和嵌入式設備（Raspberry Pi、Nvidia Jetson）。
• 研究就緒：包含 "Flower Baselines"，這是一組由社群貢獻的熱門聯邦學習論文再現的集合。