これらのColabベースのチュートリアルでは、実用的な例を用いてTFFの主要な概念とAPIを解説します。参考資料はTFFガイドをご覧ください。
フェデレーテッドラーニングを始める
- 画像分類のための Federated Learning では、 Federated Learning (FL) API の主要部分を紹介し、TFF を使用して MNIST のような連合データで連合学習をシミュレートする方法を示します。
- テキスト生成のためのフェデレーテッド ラーニングでは、 TFF の FL API を使用して、言語モデリング タスク用のシリアル化された事前トレーニング済みモデルを改良する方法をさらに示します。
- 学習用に推奨される集約の調整では、
tff.learningの基本的な FL 計算を、堅牢性、差分プライバシー、圧縮などを提供する特殊な集約ルーチンと組み合わせる方法を示します。
フェデレーテッドアナリティクス入門
- Private Heavy Hitters では、
tff.analytics.heavy_hittersを使用してフェデレーテッド分析計算を構築し、プライベート Heavy Hitters を検出する方法を示します。
カスタム連合計算の作成
- 「独自のフェデレーテッド ラーニング アルゴリズムの構築」では、フェデレーテッド平均化を例に、TFF コア API を使用してフェデレーテッド ラーニング アルゴリズムを実装する方法を示します。
- 学習アルゴリズムの構成では、 TFF 学習 API を使用して、新しい連合学習アルゴリズム、特に連合平均化のバリエーションを簡単に実装する方法を示します。
- カスタム フェデレーテッド アルゴリズム、パート 1: フェデレーテッド コアの概要とパート 2: フェデレーテッド平均化の実装では、フェデレーテッド コア API (FC API) が提供する主要な概念とインターフェイスについて説明します。
- 「カスタム集計の実装」では、
tff.aggregatorsモジュールの背後にある設計原則と、クライアントからサーバーへの値のカスタム集計を実装するためのベスト プラクティスについて説明します。
シミュレーションのベストプラクティス
アクセラレータ (GPU) を使用した TFF シミュレーションでは、 TFF の高性能ランタイムを GPU で使用する方法を示します。
ClientData を使用すると、 TFF のClientDataベースのシミュレーション データセットを TFF 計算に統合するためのベスト プラクティスが提供されます。
中級・上級チュートリアル
ランダム ノイズ生成では、分散計算でランダム性を使用する際の微妙な点を指摘し、ベスト プラクティスを提案してパターンを推奨します。
federated_language.federated_select を使用して特定のクライアントに異なるデータを送信するでは、
federated_language.federated_select演算子を紹介し、異なるクライアントに異なるデータを送信するカスタム フェデレーション アルゴリズムの簡単な例を示します。federated_select とスパース集約によるクライアント効率の高い大規模モデル連合学習では、
federated_language.federated_selectとスパース集約を使用して、各クライアント デバイスがモデルの小さな部分のみをダウンロードして更新する非常に大規模なモデルを TFF でトレーニングする方法を示します。TFF の差分プライバシーを使用したフェデレーション ラーニングでは、 TFF を使用してユーザー レベルの差分プライバシーを備えたモデルをトレーニングする方法を示します。