Học liên kết (FL) là một lĩnh vực nghiên cứu đang phát triển nhanh chóng trong học máy. Tuy nhiên, các thư viện FL hiện có không thể hỗ trợ đầy đủ cho sự phát triển thuật toán đa dạng; việc sử dụng tập dữ liệu và mô hình không nhất quán làm cho việc so sánh thuật toán công bằng trở nên khó khăn. Trong công trình này, chúng tôi giới thiệu FedML, một thư viện nghiên cứu mở và chuẩn mực để tạo điều kiện cho sự phát triển thuật toán FL và so sánh hiệu suất công bằng. FedML hỗ trợ ba mô hình tính toán: đào tạo trên thiết bị cho các thiết bị biên, tính toán phân tán và mô phỏng trên một máy đơn. FedML cũng thúc đẩy nghiên cứu thuật toán đa dạng với thiết kế API linh hoạt và tổng quát cũng như các triển khai tham chiếu toàn diện (bộ tối ưu, mô hình và tập dữ liệu). Chúng tôi hy vọng FedML có thể cung cấp một phương tiện hiệu quả và có thể tái tạo để phát triển và đánh giá các thuật toán FL, điều này sẽ mang lại lợi ích cho cộng đồng nghiên cứu FL.
Bài viết
FedML: Một Thư Viện Nghiên Cứu và Chuẩn Mực cho Học Máy Liên Kết
--
Tuyên bố miễn trừ trách nhiệm: Nội dung bao gồm cả quan điểm của bên thứ ba, không phải lời khuyên. Có thể sử dụng nội dung do Binance Ai đưa ra nhưng không được đảm bảo. Xem Điều khoản & Điều kiện.