ترشدك هذه الدروس المستندة إلى colab إلى مفاهيم TFF وواجهات برمجة التطبيقات الرئيسية باستخدام أمثلة عملية. يمكن العثور على الوثائق المرجعية في أدلة TFF .
الشروع في التعلم الفيدرالي
- يقدم التعلم الموحد لتصنيف الصور الأجزاء الرئيسية من واجهة برمجة تطبيقات التعلم الفيدرالي (FL) ، ويوضح كيفية استخدام TFF لمحاكاة التعلم الموحد على بيانات شبيهة ببيانات MNIST الموحدة.
- يوضح التعلم الموحد لإنشاء النص بشكل أكبر كيفية استخدام واجهة برمجة تطبيقات FL الخاصة بـ TFF لتنقيح نموذج متسلسل مُدرَّب مسبقًا لمهمة نمذجة اللغة.
- يُظهر ضبط التجميعات الموصى بها للتعلم كيف يمكن دمج حسابات FL الأساسية في
tff.learning
مع إجراءات التجميع المتخصصة التي توفر القوة والخصوصية التفاضلية والضغط وغير ذلك. - تقدم إعادة البناء الموحدة لعامل المصفوفة التعلم الموحد المحلي جزئيًا ، حيث لا يتم أبدًا تجميع بعض معلمات العميل على الخادم. يوضح البرنامج التعليمي كيفية استخدام Federated Learning API لتدريب نموذج عامل مصفوفة محلي جزئيًا.
الشروع في التحليلات الموحدة
- يُظهر Private Heavy Hitters كيفية استخدام
tff.analytics.heavy_hitters
لبناء حساب تحليلي متحد لاكتشاف الضاربين الثقلين الخاصين.
كتابة الحسابات الموحدة المخصصة
- يوضح بناء خوارزمية التعلم الموحدة الخاصة بك كيفية استخدام واجهات برمجة التطبيقات الأساسية TFF لتنفيذ خوارزميات التعلم الموحد ، باستخدام المتوسطات الموحدة كمثال.
- يُظهر تكوين خوارزميات التعلم كيفية استخدام TFF Learning API لتنفيذ خوارزميات التعلم الموحدة الجديدة بسهولة ، خاصةً متغيرات المتوسطات الموحدة.
- توضح الخوارزمية الموحدة المخصصة باستخدام مُحسِّن TFF كيفية استخدام
tff.learning.optimizers
لبناء عملية تكرارية مخصصة لمتوسطات الاتحاد. - الخوارزميات الموحدة المخصصة ، الجزء 1: مقدمة إلى النواة الموحدة والجزء 2: تطبيق المعدل الموحد يقدم المفاهيم الأساسية والواجهات التي تقدمها واجهة برمجة التطبيقات (API) الأساسية الموحدة (FC API).
- يوضح تنفيذ التجميعات المخصصة مبادئ التصميم الكامنة وراء الوحدة النمطية
tff.aggregators
وأفضل الممارسات لتنفيذ التجميع المخصص للقيم من العملاء إلى الخادم.
أفضل ممارسات المحاكاة
تُظهر محاكاة TFF مع المسرعات (GPU) كيف يمكن استخدام وقت تشغيل TFF عالي الأداء مع وحدات معالجة الرسومات.
يوفر العمل مع ClientData أفضل الممارسات لدمج مجموعات بيانات المحاكاة القائمة على ClientData الخاصة بـ TFF في حسابات TFF.
دروس تعليمية متوسطة ومتقدمة
يشير توليد الضوضاء العشوائية إلى بعض التفاصيل الدقيقة باستخدام العشوائية في الحسابات اللامركزية ، ويقترح أفضل الممارسات ويوصي بالأنماط.
يقدم إرسال بيانات مختلفة إلى عملاء معينين باستخدام tff.federated_select عامل التشغيل
tff.federated_select
ويعطي مثالًا بسيطًا لخوارزمية موحدة مخصصة ترسل بيانات مختلفة إلى عملاء مختلفين.يُظهر التعلم الموحد ذو النموذج الكبير والكفاءة للعميل عبر التجميع الموحد والمتناثر كيف يمكن استخدام TFF لتدريب نموذج كبير جدًا حيث يقوم كل جهاز عميل فقط بتنزيل وتحديث جزء صغير من النموذج ، باستخدام
tff.federated_select
والتجميع المتناثر.يوضح TFF لبحوث التعلم الفيدرالي: ضغط النموذج والتحديث كيف يمكن استخدام التجميعات المخصصة المبنية على واجهة برمجة التطبيقات لتشفير tensor_encoding في TFF.
يوضح التعلم الموحد مع الخصوصية التفاضلية في TFF كيفية استخدام TFF لتدريب النماذج ذات الخصوصية التفاضلية على مستوى المستخدم.
يوضح دعم JAX في TFF كيف يمكن استخدام حسابات JAX في TFF ، مما يوضح كيف تم تصميم TFF ليكون قادرًا على التعامل مع أطر ML الأخرى للواجهة الأمامية والخلفية.