تُقدّم هذه الدروس التعليمية ، المُصممة باستخدام منصة Colab، شرحًا وافيًا لمفاهيم TFF الرئيسية وواجهات برمجة التطبيقات (APIs) من خلال أمثلة عملية. ويمكنكم الاطلاع على الوثائق المرجعية في أدلة TFF .
البدء في التعلم الموحد
- يقدم التعلم الموحد لتصنيف الصور الأجزاء الرئيسية من واجهة برمجة تطبيقات التعلم الموحد (FL)، ويوضح كيفية استخدام TFF لمحاكاة التعلم الموحد على بيانات تشبه MNIST الموحدة.
- يوضح التعلم الموحد لتوليد النصوص بشكل أكبر كيفية استخدام واجهة برمجة تطبيقات التعلم الموحد (FL API) الخاصة بـ TFF لتحسين نموذج متسلسل مدرب مسبقًا لمهمة نمذجة اللغة.
- يوضح ضبط التجميعات الموصى بها للتعلم كيف يمكن دمج حسابات FL الأساسية في
tff.learningمع إجراءات التجميع المتخصصة التي توفر المتانة والخصوصية التفاضلية والضغط والمزيد.
البدء باستخدام التحليلات الموحدة
- يوضح Private Heavy Hitters كيفية استخدام
tff.analytics.heavy_hittersلبناء عملية حسابية تحليلية موحدة لاكتشاف الضاربين الأقوياء الخاصين.
كتابة حسابات اتحادية مخصصة
- يوضح قسم "بناء خوارزمية التعلم الموحد الخاصة بك" كيفية استخدام واجهات برمجة تطبيقات TFF الأساسية لتنفيذ خوارزميات التعلم الموحد، باستخدام المتوسط الموحد كمثال.
- يوضح كتاب "تأليف خوارزميات التعلم" كيفية استخدام واجهة برمجة تطبيقات التعلم TFF لتنفيذ خوارزميات التعلم الموحد الجديدة بسهولة، وخاصة متغيرات المتوسط الموحد.
- يقدم الجزء الأول من "الخوارزميات الموحدة المخصصة: مقدمة إلى النواة الموحدة" والجزء الثاني "تنفيذ المتوسط الموحد" المفاهيم والواجهات الرئيسية التي توفرها واجهة برمجة تطبيقات النواة الموحدة (FC API).
- يشرح قسم "تنفيذ عمليات التجميع المخصصة" مبادئ التصميم الكامنة وراء وحدة
tff.aggregatorsوأفضل الممارسات لتنفيذ التجميع المخصص للقيم من العملاء إلى الخادم.
أفضل الممارسات في مجال المحاكاة
تُظهر محاكاة TFF باستخدام المسرعات (GPU) كيف يمكن استخدام وقت التشغيل عالي الأداء لـ TFF مع وحدات معالجة الرسومات (GPU).
يوفر العمل مع ClientData أفضل الممارسات لدمج مجموعات بيانات المحاكاة المستندة إلى ClientData الخاصة بـ TFF في حسابات TFF.
دروس تعليمية للمستوى المتوسط والمتقدم
يشير توليد الضوضاء العشوائية إلى بعض الجوانب الدقيقة المتعلقة باستخدام العشوائية في الحسابات اللامركزية، ويقترح أفضل الممارسات ويوصي بالأنماط.
يقدم هذا
federated_language.federated_selectمثالاً بسيطاً لخوارزمية اتحادية مخصصة ترسل بيانات مختلفة إلى عملاء مختلفين.يوضح التعلم الموحد للنماذج الكبيرة الفعال من حيث العميل 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
federated_language.federated_selectوالتجميع المتفرق.يوضح التعلم الموحد مع الخصوصية التفاضلية في TFF كيفية استخدام TFF لتدريب النماذج مع الخصوصية التفاضلية على مستوى المستخدم.