Tutoriais do TensorFlow Federated

Estes tutoriais baseados no Colab apresentam os principais conceitos do TFF e das APIs usando exemplos práticos. Confira a documentação de referência nos guias do TFF.

Observação: no momento, o TFF requer o Python 3.9 ou posterior, mas os runtimes hospedados no Google Colaboratory usam atualmente o Python 3.7. Portanto, para executar estes notebooks, você precisará usar um runtime local personalizado.

Introdução ao aprendizado federado

• O tutorial Aprendizado federado para classificação de imagens apresenta as partes essenciais da API Federated Learning (FL) e demonstra como usar o TFF para simular aprendizado federado com dados federados tipo MNIST.

• O tutorial Aprendizado federado para geração de texto aprofunda a demonstração de como usar a API FL do TFF para refinar um modelo pré-treinado serializado para uma tarefa de modelagem de linguagem.

• O tutorial Ajustes de agregações recomendadas para aprendizado mostra como as computações básicas do FL no tff.learning podem ser combinadas com rotinas de agregação especializadas que oferecem robustez, privacidade diferencial, compressão e muito mais.

• O tutorial Reconstrução federada para fatoração de matriz apresenta o aprendizado federado parcialmente local, em que alguns dos parâmetros de clientes nunca são agregados no servidor. O tutorial demonstra como usar a API Federated Learning para treinar um modelo de fatoração de matriz parcialmente local.

Introdução à análise federada

• O tutorial Heavy hitters privados mostra como usar tff.analytics.heavy_hitters para construir uma computação de análise federada com o objetivo de descobrir heavy hitters privados.

Como escrever computações federadas personalizadas

• O tutorial Construindo seu próprio algoritmo de aprendizado federado mostra como usar as APIs Core do TFF para implementar algoritmos de aprendizado federado, usando cálculo federado de médias como exemplo.

• O tutorial Combinando algoritmos de aprendizado mostra como usar a API Learning do TFF para implementar facilmente novos algoritmos de aprendizado federado, especialmente variantes do cálculo federado de médias.

• O tutorial Algoritmo federado personalizado com otimizadores do TFF mostra como usar tff.learning.optimizers para criar um processo iterativo personalizado para cálculo federado de médias.

• Os tutoriais Algoritmos federados personalizados, parte 1: Introdução ao Federated Core e parte 2: Implementando o cálculo federado de médias apresentam os conceitos e interfaces essenciais oferecidos pela API Federated Core (API FC).

• O tutorial Implementando agregações personalizadas explica os princípios de design por trás do módulo tff.aggregators e as práticas recomendadas para implementar agregação personalizada de valores dos clientes para o servidor.

Práticas recomendadas de simulação

• O tutorial Simulação do TFF com aceleradores (GPU) mostra como o runtime de alto desempenho do TFF pode ser usado com GPUs.

• O tutorial Trabalhando com ClientData apresenta as práticas recomendadas para integrar os datasets de simulação baseados em ClientData do TFF às computações do TFF.

Tutoriais intermediários e avançados

• O tutorial Geração de ruído aleatório destaca algumas sutilezas ao usar aleatoriedade em computações descentralizadas e recomenda práticas e padrões.

• O tutorial Enviando dados diferentes para determinados clientes com tff.federated_select apresenta o operador tff.federated_select e fornece um exemplo simples de algoritmo federado personalizado que envia dados diferentes a clientes diferentes.

• O tutorial Aprendizado federado de modelos grandes eficiente nos clientes via federated_selec e agregação esparsa mostra como o TFF pode ser usado para treinar um modelo muito grande em que cada dispositivo cliente baixa e atualiza somente uma pequena parte do modelo usando tff.federated_select e agregação esparsa.

• O tutorial TFF para pesquisa de aprendizado federado – Compressão de modelo e atualização demonstra como agregações personalizadas construídas utilizando a API tensor_encoding podem ser usadas no TFF.

• O tutorial Aprendizado federado com privacidade diferencial no TFF demonstra como usar o TFF para treinar modelos com privacidade diferencial no nível de usuário.

• O tutorial Suporte ao JAX no TFF mostra como as computações do JAX podem ser usadas no TFF, demonstrando como o TFF foi criado para poder fazer a interoperabilidade com outros frameworks de aprendizado de máquina de front-end e back-end.