2024 Python 计算生态一月推荐榜 第71期
1月10日 · Python123 1531 人阅读
 |
看见更大的世界，遇见更好的自己
See a better world to meet better for ourselves.
联邦学习（Federated Learning）是一种分布式的机器学习方法，它允许多个设备或服务器协作训练模型，而无需直接共享数据。这种方法与传统的集中式机器学习技术有显著不同，传统的集中式机器学习技术将所有的本地数据集上传到一个服务器上，而更经典的分布式方法则通常假设本地数据样本都是相同分布的。这种方法可以提高隐私保护，因为原始数据不需要离开其原始位置即可参与模型训练。联邦学习在处理跨多个设备和组织分布的数据时十分有效，特别适合处理涉及用户隐私的场景，如移动设备、医疗健康数据和金融数据等。
2024年1月，随着越来越多的用户数据被用于训练模型，对开发者而言，理解每个库如何处理数据安全和隐私是至关重要的。好事者特别推荐10款优秀的Python计算生态，帮助您了解联邦学习。
Flower
Flower 是一个友好且灵活的联邦学习框架，它支持不同的机器学习框架，并注重可扩展性和用户体验。
https://github.com/adap/flower
TensorFlow Federated (TFF)
TensorFlow Federated 是由谷歌开发的一个开源框架，旨在让开发人员轻松实现联邦学习。
https://github.com/tensorflow/federated
PySyft
PySyft 是一个Python库，用于实现安全和私密的数据科学，支持联邦学习和其他隐私保护技术。
https://github.com/OpenMined/PySyft
FedML
FedML 是一个跨平台联邦学习和分布式机器学习库，特别注重移动设备和边缘计算。
https://github.com/FedML-AI/FedML
LEAF
LEAF 是一个为联邦学习研究而构建的基准框架，提供多种数据集和评估模型。
https://github.com/TalwalkarLab/leaf
FATE (Federated AI Technology Enabler)
FATE 是一个面向工业级应用的开源联邦学习框架。
https://github.com/FederatedAI/FATE
Fedlearner
Fedlearner 是由网易和谷歌联合开发的一个技术平台，旨在降低工业界实施联邦学习的门槛。
https://github.com/bytedance/fedlearner
PaddleFL
PaddleFL 是基于PaddlePaddle的深度学习平台，提供联邦学习的支持。
https://github.com/PaddlePaddle/PaddleFL
Sherpa.ai FL
这个框架目的在于简化联邦学习的实施，提供算法和工具，以加速开发进程。
CrypTen
CrypTen 是一个隐私保护的机器学习库，重点关注安全多方计算，允许研究人员和开发者利用加密数据进行计算。
https://github.com/facebookresearch/CrypTen
Python3Turtle
