TensorFlow Federated üretim ortamında, örneğin cep telefonlarında kullanılabilir mi?
Şimdilik değil. Her ne kadar TFF'yi gerçek cihazlara dağıtımı göz önünde bulundurarak tasarlamış olsak da şu aşamada bu amaca yönelik herhangi bir araç sunmuyoruz. Mevcut sürüm, yeni birleştirilmiş algoritmaların ifade edilmesi veya dahil edilen simülasyon çalışma zamanını kullanarak kendi veri kümelerinizle birleştirilmiş öğrenmeyi denemek gibi deneysel kullanımlara yöneliktir.
TFF'nin etrafındaki açık kaynak ekosisteminin zamanla fiziksel dağıtım platformlarını hedefleyen çalışma zamanlarını içerecek şekilde gelişeceğini öngörüyoruz.
Büyük veri kümeleriyle denemeler yapmak için TFF'yi nasıl kullanırım?
TFF'nin ilk sürümünde yer alan varsayılan çalışma süresi, eğitimlerimizde açıklananlar gibi yalnızca küçük deneyler için tasarlanmıştır; burada tüm verileriniz (tüm simüle edilmiş istemciler genelinde) aynı anda tek bir makinedeki belleğe sığar ve tüm deneme yerel olarak çalışır. colab not defterinde.
Yakın vadeli gelecek yol haritamız, çok büyük veri kümeleri ve çok sayıda istemciyle yapılan deneyler için yüksek performanslı bir çalışma zamanı içerir.
TFF'deki rastgeleliğin beklentilerime uygun olmasını nasıl sağlayabilirim?
TFF, federe bilişimi özünde oluşturduğundan, TFF yazarının, bu oturumlar içinde TensorFlow Session nereye ve nasıl girildiği veya run çağrıldığı üzerinde kontrol sahibi olmaması gerekir. Rastgeleliğin semantiği, tohumlar ayarlanmışsa TensorFlow Session giriş ve çıkışına bağlı olabilir. Örneğin TF 1.14'ten itibaren tf.random.experimental.Generator kullanılarak TensorFlow 2 tarzı radomness kullanılmasını öneririz. Bu, dahili durumunu yönetmek için bir tf.Variable kullanır.
Beklentileri yönetmeye yardımcı olmak için TFF, serileştirdiği TensorFlow'un op düzeyinde çekirdek ayarına sahip olmasına izin verir, ancak grafik düzeyinde çekirdek ayarına izin vermez. Bunun nedeni, op-seviyesi tohumların semantiğinin TFF ayarında daha net olması gerektiğidir: tf_computation olarak sarılmış bir fonksiyonun her çağrılması üzerine deterministik bir dizi oluşturulacak ve yalnızca bu çağrı içerisinde sözde rastgele sayı üreteci tarafından verilen garantiler geçerli olacaktır. . Bunun istekli kipte bir tf.function çağırmanın semantiği ile tam olarak aynı olmadığına dikkat edin; TFF, tf_computation her çağrıldığında etkili bir şekilde benzersiz bir tf.Session girer ve çıkar; istekli modda bir işlevi tekrar tekrar çağırmak, aynı oturum içinde çıkış tensöründe sess.run tekrar tekrar çağırmaya benzer.
Nasıl katkıda bulunabilirim?
README'ye , katkıda bulunan yönergelere ve işbirliklerine bakın.
FedJAX ile TensorFlow Federated arasındaki ilişki nedir?
TensorFlow Federated (TFF), farklı algoritmalar ve özellikler oluşturmayı kolaylaştırmak ve farklı simülasyon ve dağıtım senaryolarında kodun taşınmasını sağlamak için tasarlanmış, birleşik öğrenme ve analitik için tam teşekküllü bir çerçevedir. TFF, ölçeklenebilir bir çalışma zamanı sağlar ve standart API'leri aracılığıyla birçok gizlilik, sıkıştırma ve optimizasyon algoritmasını destekler. TFF aynı zamanda pek çok FL araştırma türünü de desteklemektedir; yayınlanmış Google makalelerinden örnekler, google-araştırma deposunda yer almaktadır.
Buna karşılık FedJAX , kullanım kolaylığına ve araştırma amaçlı birleştirilmiş öğrenme algoritmalarının hızlı prototiplenmesine odaklanan hafif bir Python ve JAX tabanlı simülasyon kitaplığıdır. TensorFlow Federated ve FedJAX, kod taşınabilirliği beklentisi olmaksızın ayrı projeler olarak geliştirildi.