Bu ortak çalışma tabanlı eğitimler, pratik örnekler kullanarak ana TFF konseptleri ve API'leri konusunda size yol gösterir. Referans dokümanları TFF kılavuzlarında bulabilirsiniz.
Birleşik öğrenmeye başlama
- Görüntü sınıflandırması için Birleşik Öğrenme, Birleşik Öğrenme (FL) API'sinin temel bölümlerini tanıtıyor ve birleştirilmiş MNIST benzeri veriler üzerinde birleştirilmiş öğrenmeyi simüle etmek için TFF'nin nasıl kullanılacağını gösteriyor.
- Metin oluşturmaya yönelik Birleşik Öğrenme ayrıca, bir dil modelleme görevi için serileştirilmiş, önceden eğitilmiş bir modeli geliştirmek amacıyla TFF'nin FL API'sinin nasıl kullanılacağını gösterir.
- Öğrenme için önerilen toplamaların ayarlanması,
tff.learningtemel FL hesaplamalarının sağlamlık, diferansiyel gizlilik, sıkıştırma ve daha fazlasını sunan özel toplama rutinleriyle nasıl birleştirilebileceğini gösterir. - Matris Faktorizasyonu için Birleştirilmiş Yeniden Yapılanma, bazı istemci parametrelerinin hiçbir zaman sunucuda toplanmadığı kısmen yerel birleştirilmiş öğrenmeyi sunar. Öğreticide, kısmen yerel bir matris çarpanlara ayırma modelini eğitmek için Federal Öğrenme API'sinin nasıl kullanılacağı gösterilmektedir.
Birleştirilmiş analitiği kullanmaya başlama
- Özel Ağır Hitters, özel ağır vurucuları keşfetmek üzere birleştirilmiş bir analitik hesaplaması oluşturmak için
tff.analytics.heavy_hittersnasıl kullanılacağını gösterir.
Özel birleştirilmiş hesaplamalar yazma
- Kendi Birleşik Öğrenme Algoritmanızı Oluşturma, birleştirilmiş öğrenme algoritmalarını uygulamak için TFF Çekirdek API'lerinin nasıl kullanılacağını, örnek olarak Birleşik Ortalamayı kullanarak gösterir.
- Öğrenme Algoritmalarının Oluşturulması, yeni birleştirilmiş öğrenme algoritmalarını, özellikle de Birleşik Ortalama Alma çeşitlerini kolayca uygulamak için TFF Öğrenme API'sinin nasıl kullanılacağını gösterir.
- Özel Birleştirilmiş Algoritmalar, Bölüm 1: Birleştirilmiş Çekirdeğe Giriş ve Bölüm 2: Birleştirilmiş Ortalamayı Uygulamak, Birleştirilmiş Çekirdek API (FC API) tarafından sunulan temel kavramları ve arayüzleri tanıtmaktadır.
- Özel Toplamaların Uygulanması
tff.aggregatorsmodülünün arkasındaki tasarım ilkelerini ve istemcilerden sunucuya özel değer toplamanın uygulanmasına yönelik en iyi uygulamaları açıklar.
Simülasyonun en iyi uygulamaları
Hızlandırıcılarla (GPU) TFF simülasyonu, TFF'nin yüksek performanslı çalışma süresinin GPU'larla nasıl kullanılabileceğini gösteriyor.
ClientData ile çalışmak, TFF'nin ClientData tabanlı simülasyon veri kümelerinin TFF hesaplamalarına entegre edilmesine yönelik en iyi uygulamaları sağlar.
Orta ve ileri düzey eğitimler
Rastgele gürültü üretimi, merkezi olmayan hesaplamalarda rastgeleliğin kullanılmasıyla ilgili bazı inceliklere dikkat çeker ve en iyi uygulamaları önerir ve modeller önerir.
Belirli İstemcilere Farklı Veriler Gönderme tff.federated_select ile
tff.federated_selectoperatörünü tanıtır ve farklı istemcilere farklı veriler gönderen özel birleştirilmiş algoritmanın basit bir örneğini verir.federated_select ve seyrek toplama yoluyla istemci açısından verimli büyük model birleşik öğrenme,
tff.federated_selectve seyrek toplamayı kullanarak her istemci cihazının modelin yalnızca küçük bir bölümünü indirip güncellediği çok büyük bir modeli eğitmek için TFF'nin nasıl kullanılabileceğini gösterir.TFF'de Farklı Gizliliğe Sahip Birleşik Öğrenme, kullanıcı düzeyinde farklı gizliliğe sahip modelleri eğitmek için TFF'nin nasıl kullanılacağını gösterir.