TensorFlow Federated (TFF) se diseñó para admitir una amplia gama de cálculos federados, expresados a través de una combinación de operadores federados de TFF que modelan la comunicación distribuida y la lógica de procesamiento local.
Actualmente, la lógica de procesamiento local se puede expresar mediante las API de TensorFlow (a través @tff.tf_computation ) en el frontend y se ejecuta a través del tiempo de ejecución de TensorFlow en el backend. Sin embargo, nuestro objetivo es admitir muchos otros marcos de front-end y back-end (que no sean TensorFlow) para cálculos locales, incluidos los marcos que no sean ML (por ejemplo, para la lógica expresada en SQL o lenguajes de programación de uso general).
En esta sección, incluiremos información sobre:
Los mecanismos que proporciona TFF para admitir marcos alternativos y cómo puede agregar soporte para su tipo preferido de frontend o backend a TFF.
Implementaciones experimentales de soporte para marcos que no son TensorFlow, con ejemplos.
Hoja de ruta futura tentativa para graduar estas capacidades más allá del estado experimental.