TensorFlow Federated (TFF)

TensorFlow Federated (TFF) es un marco de código abierto para el aprendizaje automático y otros cálculos sobre datos descentralizados. TFF se ha desarrollado para facilitar la investigación abierta y la experimentación con Federated Learning (FL), un enfoque de aprendizaje automático en el que se capacita un modelo global compartido entre muchos clientes participantes que mantienen sus datos de capacitación a nivel local. Por ejemplo, FL se ha utilizado para entrenar modelos de predicción para teclados móviles sin cargar datos de escritura confidenciales en los servidores.

TFF permite a los desarrolladores simular los algoritmos de aprendizaje federados incluidos en sus modelos y datos, así como experimentar con algoritmos novedosos. Los bloques de construcción proporcionados por TFF también se pueden usar para implementar cálculos que no son de aprendizaje, como los análisis agregados sobre datos descentralizados. Las interfaces de TFF están organizadas en dos capas:

API de aprendizaje federado (FL)

Esta capa ofrece un conjunto de interfaces de alto nivel que permiten a los desarrolladores aplicar las implementaciones incluidas de capacitación y evaluación federadas a sus modelos TensorFlow existentes.

API de núcleo federado (FC)

En el núcleo del sistema se encuentra un conjunto de interfaces de nivel inferior para expresar de forma concisa nuevos algoritmos federados mediante la combinación de TensorFlow con operadores de comunicación distribuidos dentro de un entorno de programación funcional fuertemente tipado. Esta capa también sirve como la base sobre la que hemos construido el aprendizaje federado.

TFF permite a los desarrolladores expresar expresivamente los cómputos federados, por lo que podrían implementarse en diversos entornos de ejecución. Con TFF se incluye un tiempo de ejecución de simulación de una sola máquina para experimentos. Por favor, visite los tutoriales y pruébelo usted mismo!

Referencias
https://www.tensorflow.org/