机器学习框架_【帮推】FedML联邦机器学习框架开源!

Federated Learning （联邦学习） 是机器学习领域中快速发展的研究领域。尽管已经进行了大量的研究工作，但是现有的软件框架不能充分支持多样化的算法开发（例如，多样化的拓扑和灵活的消息交换），并且实验中不一致的数据集和模型使用使公平的比较变得困难。

近日，美国南加州大学USC联合MIT、Stanford、MSU、UW-Madison、UIUC以及腾讯、微众银行等众多高校与公司联合发布了FedML联邦学习开源框架。 FedML是一个开放的研究库和基准，可促进新的联合学习算法的开发和公平的性能比较。

FedML支持三种计算范例，以便用户在不同的系统环境中进行实验：

• 分布式训练
• 移动设备训练
• 独立仿真

FedML还通过灵活且通用的API设计和参考基准实现促进了各种算法研究。针对非I.I.D设置的精选且全面的基准数据集旨在进行公平的比较。相信FedML可以为联合学习研究社区提供开发和评估算法的有效且可重复的手段。

FedML团队欢迎研究人员或工程师使用FedML库，并随时反馈不恰当的设计。更多信息大家可以查阅以下资料：

• FedML Homepage: https://fedml.ai
• FedML White Paper: https://arxiv.org/abs/2007.13518
• FedML GitHub: https://github.c