ترشدك هذه البرامج التعليمية المبنية على colab عبر مفاهيم TFF وواجهات برمجة التطبيقات الرئيسية باستخدام أمثلة عملية. يمكن العثور على الوثائق المرجعية في أدلة TFF .
البدء بالتعلم الموحد
- يقدم التعلم الموحد لتصنيف الصور الأجزاء الرئيسية لواجهة برمجة تطبيقات التعلم الموحد (FL)، ويوضح كيفية استخدام TFF لمحاكاة التعلم الموحد على البيانات الموحدة المشابهة لـ MNIST.
- يوضح التعلم الموحد لإنشاء النص أيضًا كيفية استخدام واجهة برمجة تطبيقات FL الخاصة بـ TFF لتحسين نموذج متسلسل تم تدريبه مسبقًا لمهمة نمذجة اللغة.
- يُظهر ضبط التجميعات الموصى بها للتعلم كيف يمكن دمج حسابات FL الأساسية في
tff.learningمع إجراءات التجميع المتخصصة التي توفر المتانة والخصوصية التفاضلية والضغط والمزيد. - تقدم إعادة الإنشاء الموحد لتحليل المصفوفة التعلم الموحد المحلي جزئيًا، حيث لا يتم تجميع بعض معلمات العميل على الخادم مطلقًا. يوضح البرنامج التعليمي كيفية استخدام Federated Learning API لتدريب نموذج تحليل المصفوفة المحلية جزئيًا.
الشروع في العمل مع التحليلات الموحدة
- يوضح برنامج Private Heavy Hitters كيفية استخدام
tff.analytics.heavy_hittersلإنشاء حسابات تحليلية موحدة لاكتشاف الضاربين الخاصين.
كتابة الحسابات الموحدة المخصصة
- يوضح إنشاء خوارزمية التعلم الموحد الخاصة بك كيفية استخدام واجهات برمجة التطبيقات الأساسية TFF لتنفيذ خوارزميات التعلم الموحد، باستخدام المتوسط الموحد كمثال.
- يوضح إنشاء خوارزميات التعلم كيفية استخدام TFF Learning API لتنفيذ خوارزميات التعلم الموحد الجديدة بسهولة، وخاصة متغيرات المتوسط الموحد.
- الخوارزميات الموحدة المخصصة، الجزء 1: مقدمة إلى النواة الموحدة والجزء 2: تنفيذ المتوسط الموحد تقدم المفاهيم والواجهات الأساسية التي تقدمها واجهة برمجة التطبيقات الأساسية الموحدة (FC API).
- يشرح تنفيذ التجميعات المخصصة مبادئ التصميم وراء وحدة
tff.aggregatorsوأفضل الممارسات لتنفيذ التجميع المخصص للقيم من العملاء إلى الخادم.
أفضل ممارسات المحاكاة
تُظهر محاكاة TFF مع المسرعات (GPU) كيف يمكن استخدام وقت تشغيل TFF عالي الأداء مع وحدات معالجة الرسومات.
يوفر العمل مع ClientData أفضل الممارسات لدمج مجموعات بيانات المحاكاة المستندة إلى ClientData الخاصة بـ TFF في حسابات TFF.
دروس متوسطة ومتقدمة
يشير توليد الضوضاء العشوائية إلى بعض التفاصيل الدقيقة المتعلقة باستخدام العشوائية في الحسابات اللامركزية، ويقترح أفضل الممارسات ويوصي بالأنماط.
إرسال بيانات مختلفة إلى عملاء محددين باستخدام tff.federated_select يقدم عامل التشغيل
tff.federated_selectويعطي مثالًا بسيطًا لخوارزمية موحدة مخصصة ترسل بيانات مختلفة إلى عملاء مختلفين.يُظهر التعلم الموحد ذو النموذج الكبير الفعال للعميل عبر federated_select والتجميع المتفرق كيف يمكن استخدام TFF لتدريب نموذج كبير جدًا حيث يقوم كل جهاز عميل بتنزيل وتحديث جزء صغير فقط من النموذج، باستخدام
tff.federated_selectوالتجميع المتناثر.يوضح التعلم الموحد مع الخصوصية التفاضلية في TFF كيفية استخدام TFF لتدريب النماذج ذات الخصوصية التفاضلية على مستوى المستخدم.