প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

TensorFlow Federated কি উৎপাদন সেটিংয়ে ব্যবহার করা যেতে পারে, যেমন, মোবাইল ফোনে?

বর্তমানে নেই। যদিও আমরা বাস্তব ডিভাইসে স্থাপনার কথা মাথায় রেখে TFF ডিজাইন করেছি, এই পর্যায়ে আমরা বর্তমানে এই উদ্দেশ্যে কোনো সরঞ্জাম সরবরাহ করি না। বর্তমান রিলিজটি পরীক্ষামূলক ব্যবহারের উদ্দেশ্যে তৈরি করা হয়েছে, যেমন নভেল ফেডারেটেড অ্যালগরিদম প্রকাশ করা, অথবা অন্তর্ভুক্ত সিমুলেশন রানটাইম ব্যবহার করে আপনার নিজস্ব ডেটাসেট দিয়ে ফেডারেটেড লার্নিং চেষ্টা করা।

আমরা আশা করি যে সময়ের সাথে সাথে TFF এর চারপাশে ওপেন সোর্স ইকোসিস্টেমটি শারীরিক স্থাপনার প্ল্যাটফর্মকে লক্ষ্য করে রানটাইম অন্তর্ভুক্ত করতে বিবর্তিত হবে।

বড় ডেটাসেট নিয়ে পরীক্ষা করার জন্য আমি কিভাবে TFF ব্যবহার করব?

TFF-এর প্রাথমিক রিলিজে অন্তর্ভুক্ত ডিফল্ট রানটাইমটি শুধুমাত্র ছোট পরীক্ষাগুলির জন্য উদ্দেশ্যে করা হয়েছে যেমন আমাদের টিউটোরিয়ালগুলিতে বর্ণিত যেগুলিতে আপনার সমস্ত ডেটা (সমস্ত সিমুলেটেড ক্লায়েন্ট জুড়ে) একই সাথে একটি একক মেশিনে মেমরিতে ফিট করে এবং সম্পূর্ণ পরীক্ষা স্থানীয়ভাবে চলে কোলাব নোটবুকের মধ্যে।

আমাদের নিকট-মেয়াদী ভবিষ্যত রোডম্যাপে অনেক বড় ডেটা সেট এবং বিপুল সংখ্যক ক্লায়েন্টের সাথে পরীক্ষার জন্য একটি উচ্চ-পারফরম্যান্স রানটাইম অন্তর্ভুক্ত রয়েছে।

আমি কিভাবে TFF-এ এলোমেলোতা আমার প্রত্যাশার সাথে মেলে তা নিশ্চিত করতে পারি?

যেহেতু TFF ফেডারেটেড কম্পিউটিং এর মূল অংশে বেক করেছে, তাই TFF-এর লেখকের টেনসরফ্লো Session কোথায় এবং কীভাবে প্রবেশ করা হবে তার উপর নিয়ন্ত্রণ গ্রহণ করা উচিত নয়, বা সেই সেশনগুলির মধ্যে run বলা হবে। এলোমেলোতার শব্দার্থবিদ্যা বীজ সেট করা থাকলে টেনসরফ্লো Session প্রবেশ এবং প্রস্থানের উপর নির্ভর করতে পারে। আমরা TensorFlow 2-স্টাইলের র‍্যাডমনেস ব্যবহার করার পরামর্শ দিই, উদাহরণস্বরূপ tf.random.experimental.Generator ব্যবহার করে TF 1.14। এটি এর অভ্যন্তরীণ অবস্থা পরিচালনা করতে একটি tf.Variable ব্যবহার করে।

প্রত্যাশাগুলি পরিচালনা করতে সাহায্য করার জন্য, TFF টেনসরফ্লোকে অপার-লেভেল বীজ সেট করার জন্য ক্রমানুসারে অনুমতি দেয়, কিন্তু গ্রাফ-স্তরের বীজ নয়। এর কারণ হল TFF সেটিংয়ে অপ-লেভেল বীজের শব্দার্থবিদ্যা আরও পরিষ্কার হওয়া উচিত: tf_computation হিসাবে মোড়ানো একটি ফাংশনের প্রতিটি আহ্বানের উপর একটি নির্ধারক ক্রম তৈরি করা হবে, এবং শুধুমাত্র এই আহ্বানের মধ্যেই ছদ্ম র্যান্ডম নম্বর জেনারেটর দ্বারা তৈরি কোনো গ্যারান্টি থাকবে . লক্ষ্য করুন যে এটি একটি tf.function eager মোডে কল করার শব্দার্থবিদ্যার মতো নয়; TFF কার্যকরভাবে একটি অনন্য tf.Session প্রবেশ করে এবং প্রস্থান করে প্রতিবার tf_computation আহ্বান করা হয়, যখন বারবার আগ্রহী মোডে একটি ফাংশন কল করা একই সেশনের মধ্যে বারবার আউটপুট টেনসরে sess.run কল করার অনুরূপ।

আমি কিভাবে অবদান রাখতে পারি?

README , অবদান নির্দেশিকা, এবং সহযোগিতা দেখুন।

FedJAX এবং TensorFlow Federated এর মধ্যে সম্পর্ক কি?

TensorFlow ফেডারেটেড (TFF) হল ফেডারেটেড লার্নিং এবং অ্যানালিটিক্সের জন্য একটি পূর্ণাঙ্গ কাঠামো যা বিভিন্ন অ্যালগরিদম এবং বৈশিষ্ট্যগুলি রচনা করার সুবিধার্থে এবং বিভিন্ন সিমুলেশন এবং ডিপ্লোয়মেন্ট পরিস্থিতিতে পোর্টিং কোড সক্ষম করার জন্য ডিজাইন করা হয়েছে। TFF একটি স্কেলযোগ্য রানটাইম প্রদান করে এবং এর স্ট্যান্ডার্ড API এর মাধ্যমে অনেক গোপনীয়তা, কম্প্রেশন এবং অপ্টিমাইজেশান অ্যালগরিদম সমর্থন করে। TFF অনেক ধরনের FL গবেষণাকেও সমর্থন করে, Google-গবেষণা রেপোতে প্রকাশিত Google পেপার থেকে উদাহরণের একটি সংগ্রহ সহ।

বিপরীতে, FedJAX হল একটি লাইটওয়েট পাইথন- এবং JAX-ভিত্তিক সিমুলেশন লাইব্রেরি যা গবেষণার উদ্দেশ্যে ফেডারেটেড লার্নিং অ্যালগরিদমগুলির ব্যবহার সহজ এবং দ্রুত প্রোটোটাইপিংয়ের উপর ফোকাস করে। TensorFlow Federated এবং FedJAX আলাদা প্রজেক্ট হিসেবে তৈরি করা হয়েছে, কোড পোর্টেবিলিটির প্রত্যাশা ছাড়াই।