TensorFlow Federated幫助培訓(xùn)來自不同位置的數(shù)據(jù)的AI模型

論高跟鞋TensorFlow隱私，培訓(xùn)AI機(jī)型庫“私密性強(qiáng)的保證，”谷歌今天推出其TensorFlow機(jī)器學(xué)習(xí)框架，另一個(gè)模塊：TensorFlow聯(lián)合(TFF) 。據(jù)Mountain View公司稱，它旨在通過實(shí)施一種稱為聯(lián)合學(xué)習(xí)的方法，更容易地嘗試機(jī)器學(xué)習(xí)和分散數(shù)據(jù)的其他計(jì)算。

緊隨TensorFlow 2.0 alpha之后，它也隨之而來。

我們根據(jù)我們在谷歌開發(fā)聯(lián)合學(xué)習(xí)技術(shù)的經(jīng)驗(yàn)設(shè)計(jì)了TFF，它為ML模型提供移動(dòng)鍵盤預(yù)測和設(shè)備搜索功能，”Google在今天早上發(fā)布的一篇媒體文章中寫道。“有了TFF，我們很高興能夠?yàn)樗蠺ensorFlow用戶提供靈活，開放的框架，用于本地模擬分散計(jì)算。”

以下是它的關(guān)鍵所在：TFF使開發(fā)人員能夠部署AI系統(tǒng)并對(duì)來自多個(gè)來源的數(shù)據(jù)進(jìn)行訓(xùn)練，同時(shí)保持每個(gè)來源的獨(dú)立和本地化。它附帶了一個(gè)API - 聯(lián)合核心(FC)API - 支持分散數(shù)據(jù)集上的“廣泛”計(jì)算，并表示一種新的數(shù)據(jù)類型，它指定底層數(shù)據(jù)和分布式客戶端上數(shù)據(jù)的位置。

TFF還包括一個(gè)本地機(jī)器運(yùn)行時(shí)，它模擬在一組數(shù)據(jù)保持客戶端上執(zhí)行的計(jì)算，每個(gè)客戶端計(jì)算其本地貢獻(xiàn)，并使用集中協(xié)調(diào)器聚合所有貢獻(xiàn)。但是從Google開發(fā)人員的角度來看，聯(lián)邦計(jì)算基本上是一個(gè)功能，其輸入和輸出恰好位于不同的地方。

“通過TensorFlow Federated，我們正在向更廣泛的受眾提供技術(shù)，并邀請(qǐng)社區(qū)參與在開放，靈活的平臺(tái)上開展聯(lián)合學(xué)習(xí)研究，”Google表示。“隨著時(shí)間的推移，我們希望TFF運(yùn)行時(shí)可用于主要的設(shè)備平臺(tái)。”