TensorFlow Federated (TFF) 是由Google提出的开源离散数据机器学习和其他计算平台,作为联邦学习 (Federated Learning) 的应用框架和计算平台,TensorFlow Federated 可以通过利用如今数量众多的移动智能设备和边缘端计算设备的计算能力,保证数据不离开本地的同时训练本地机器学习模型,通过Google开发的 Federated Averaging 算法,即使在较差的通信环境下,实现保密、高效、高质量的模型汇总和迭代流程,并且移动端和边缘端用户体验上不做任何牺牲和妥协。目前Google已经将联邦学习应用在移动设备键盘输入预测上。
TensorFlow Federated 通过提供两层API:Federated Learning (FL) API 和 Federated Core (FC) API 实现单机模拟多终端参与的联邦学习模型训练和迭代的实验环境和计算框架。
Federated Learning (FL) API 主要提供了可直接应用的训练联邦学习模型的TensorFlow高层接口,包括Model, Federated Computation Builders, Datasets 三个部分:
- Model:模型部分