Các hướng dẫn dựa trên colab này sẽ hướng dẫn bạn các khái niệm và API chính của TFF bằng cách sử dụng các ví dụ thực tế. Tài liệu tham khảo có thể được tìm thấy trong hướng dẫn TFF .
Bắt đầu với học liên kết
- Học liên kết để phân loại hình ảnh giới thiệu các phần chính của API Học liên kết (FL) và trình bày cách sử dụng TFF để mô phỏng học liên kết trên dữ liệu giống MNIST được liên kết.
- Học liên kết để tạo văn bản trình bày thêm về cách sử dụng API FL của TFF để tinh chỉnh mô hình được đào tạo trước theo tuần tự cho nhiệm vụ mô hình hóa ngôn ngữ.
- Việc điều chỉnh các tổng hợp được đề xuất để học tập cho thấy cách các phép tính FL cơ bản trong
tff.learningcó thể được kết hợp với các quy trình tổng hợp chuyên biệt để cung cấp tính mạnh mẽ, sự riêng tư khác biệt, tính năng nén và hơn thế nữa. - Cấu trúc lại liên kết cho dữ liệu ma trận giới thiệu học liên kết cục bộ một phần, trong đó một số tham số máy khách không bao giờ được tổng hợp trên máy chủ. Hướng dẫn trình bày cách sử dụng API học liên kết để đào tạo mô hình phân tích nhân tử ma trận cục bộ một phần.
Bắt đầu với phân tích liên kết
- Private Heavy Hitters chỉ ra cách sử dụng
tff.analytics.heavy_hittersđể xây dựng một phép tính phân tích liên hợp nhằm khám phá những người chơi nặng riêng tư.
Viết các phép tính liên hợp tùy chỉnh
- Xây dựng thuật toán học liên kết của riêng bạn cho thấy cách sử dụng các API cốt lõi của TFF để triển khai các thuật toán học liên kết, sử dụng Trung bình liên kết làm ví dụ.
- Soạn các thuật toán học tập cho thấy cách sử dụng API học tập TFF để dễ dàng triển khai các thuật toán học tập liên hợp mới, đặc biệt là các biến thể của Tính trung bình liên kết.
- Thuật toán liên kết tùy chỉnh với Trình tối ưu hóa TFF hiển thị cách sử dụng
tff.learning.optimizersđể xây dựng quy trình lặp lại tùy chỉnh cho Tính trung bình liên kết. - Thuật toán liên kết tùy chỉnh, Phần 1: Giới thiệu về Lõi liên kết và Phần 2: Triển khai Trung bình liên kết giới thiệu các khái niệm và giao diện chính được cung cấp bởi API lõi liên kết (FC API).
- Triển khai Tổng hợp tùy chỉnh giải thích các nguyên tắc thiết kế đằng sau mô-đun
tff.aggregatorsvà các phương pháp hay nhất để triển khai tổng hợp tùy chỉnh các giá trị từ máy khách đến máy chủ.
Các phương pháp hay nhất về mô phỏng
Mô phỏng hiệu suất cao với Kubernetes mô tả cách thiết lập và cấu hình thời gian chạy TFF hiệu suất cao chạy trên Kubernetes.
Mô phỏng TFF với bộ gia tốc (GPU) cho thấy cách thời gian chạy hiệu suất cao của TFF có thể được sử dụng với GPU.
Làm việc với ClientData đưa ra các phương pháp hay nhất để tích hợp bộ dữ liệu mô phỏng dựa trên ClientData của TFF vào các tính toán TFF.
Hướng dẫn trung cấp và nâng cao
Việc tạo nhiễu ngẫu nhiên chỉ ra một số điểm phụ khi sử dụng tính ngẫu nhiên trong tính toán phi tập trung, đồng thời đề xuất các phương pháp hay nhất và đề xuất các mẫu.
Gửi dữ liệu khác nhau cho khách hàng cụ thể Với tff.federated_select giới thiệu toán tử
tff.federated_selectvà đưa ra một ví dụ đơn giản về thuật toán liên kết tùy chỉnh gửi dữ liệu khác nhau đến các máy khách khác nhau.Việc học tập liên kết theo mô hình lớn hiệu quả với ứng dụng khách thông qua liên kết Federation_select và tổng hợp thưa thớt cho thấy cách TFF có thể được sử dụng để đào tạo một mô hình rất lớn trong đó mỗi thiết bị khách chỉ tải xuống và cập nhật một phần nhỏ của mô hình, sử dụng
tff.federated_selectvà tổng hợp thưa thớt.TFF cho Nghiên cứu Học tập Liên kết: Nén Mô hình và Cập nhật trình bày cách các tập hợp tùy chỉnh xây dựng trên tensor_encoding API có thể được sử dụng trong TFF.
Học liên kết với Quyền riêng tư khác biệt trong TFF trình bày cách sử dụng TFF để đào tạo các mô hình có quyền riêng tư khác biệt ở cấp độ người dùng.
Hỗ trợ thử nghiệm cho JAX trong TFF cho thấy cách tính toán JAX có thể được sử dụng trong TFF, chứng minh TFF được thiết kế như thế nào để có thể tương tác với các khung ML phía trước và phụ trợ khác.