التعلم الفيدرالي (FL) هو مجال بحثي سريع النمو في تعلم الآلة. ومع ذلك، فإن مكتبات FL الحالية لا تدعم بشكل كاف تطوير الخوارزميات المتنوعة؛ يجعل استخدام مجموعات البيانات والنماذج غير المتسق المقارنة العادلة للخوارزميات تحديًا. في هذا العمل، نقدم FedML، مكتبة بحثية مفتوحة ومرجعية لتسهيل تطوير خوارزميات FL والمقارنة العادلة للأداء. تدعم FedML ثلاثة نماذج حسابية: التدريب على الأجهزة الطرفية للأجهزة الحافة، الحوسبة الموزعة، والمحاكاة على جهاز واحد. كما تعزز FedML البحث في الخوارزميات المتنوعة بتصميم واجهة برمجة تطبيقات مرنة وعامة وتنفيذات مرجعية شاملة (محسنات، نماذج، ومجموعات بيانات). نأمل أن توفر FedML وسيلة فعالة وقابلة للتكرار لتطوير وتقييم خوارزميات FL التي ستفيد مجتمع بحث FL.
مقالة
FedML: مكتبة بحثية ومرجعية للتعلم الآلي الفيدرالي
--
إخلاء مسؤولية: يتضمن آراء جهات خارجية. لا تُعدّ نصيحة. يُمكن استخدام Binance AI دون أي ضمان. اطلع على الشروط والأحكام.