jeazim的博客

联邦学习（Federated Learning）是一种分布式机器学习方法，旨在训练模型而不需要将原始数据集传输到中央服务器上。在传统的机器学习方法中，通常会将所有数据集中到一个中央服务器进行训练，但这样做可能涉及到数据隐私和安全的问题。相比之下，联邦学习通过保持数据在本地设备或边缘设备上进行训练，将机器学习的计算推向数据而不是将数据传输到中央服务器。这意味着个体的隐私和数据安全得到了更好的保护。

6步完成项目上传，简单易懂