معرفی شرکت ها

appfl-0.2.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.2.1
0.2.0
0.1.2
0.1.0
0.0.1
0.2.1
0.2.0
0.1.2
0.1.0
0.0.1

توضیحات

An open-source package for privacy-preserving federated learning
ویژگی مقدار
سیستم عامل -
نام فایل appfl-0.2.1
نام appfl
نسخه کتابخانه 0.2.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Kibaek Kim <kimk@anl.gov>, Minseok Ryu <mryu@anl.gov>, Youngdae Kim <youngdae@anl.gov>, Hieu Hoang <thoang@anl.gov>, Zachary Ross <zross@anl.gov>
ایمیل نویسنده -
آدرس صفحه اصلی https://github.com/APPFL/APPFL
آدرس اینترنتی https://pypi.org/project/appfl/
مجوز -
# APPFL: Argonne Privacy-Preserving Federated Learning ![image](https://github.com/APPFL/APPFL/blob/main/docs/_static/logo/logo_small.png?raw=true) [![DOI](https://zenodo.org/badge/414722606.svg)](https://zenodo.org/badge/latestdoi/414722606) [![Documentation Status](https://readthedocs.org/projects/appfl/badge/?version=latest)](https://appfl.readthedocs.io/en/latest/?badge=latest) APPFL is an open-source software framework that allows research communities to implement, test, and validate various ideas for privacy-preserving federated learning (PPFL). With this framework, developers and/or users can - train a user-defined neural network model on **decentralized data with differential privacy**, - **simulate** various PPFL algorithms on high-performance computing (HPC) architecture with MPI, - implement **user-defined PPFL algorithms** in a plug-and-play manner. Such algorithmic components include federated learning (FL) algorithm, privacy technique, communication protocol, FL model to train, and data. - [Documentation](http://appfl.rtfd.io/): please check out the documentation for tutorials, users guide, and developers guide. ## Installation We highly recommend to create new Conda virtual environment and install the required packages for APPFL. ```shell conda create -n APPFL python=3.8 conda activate APPFL ``` ### User installation For most users such as data scientists, this simple installation must be sufficient for running the package. ```shell pip install pip --upgrade pip install "appfl[analytics,examples]" ``` If we want to even minimize the installation of package dependencies, we can skip the installation of a few pacakges (e.g., `matplotlib` and `jupyter`): ```shell pip install "appfl" ``` ### Developer installation Code developers and contributors may want to work on the local repositofy. To set up the development environment, ```shell git clone https://github.com/APPFL/APPFL.git cd APPFL pip install -e ".[dev,examples,analytics]" ``` On Ubuntu: If the install process failed, you can try: ```shell sudo apt install libopenmpi-dev,libopenmpi-bin,libopenmpi-doc ``` ## Acknowledgements This material is based upon work supported by the U.S. Department of Energy, Office of Science, under contract number DE-AC02-06CH11357.


نیازمندی

مقدار نام
- numpy
- torch
- grpcio
- grpcio-tools
- omegaconf
- jupyter
- tensorboard
- matplotlib
- sphinx
- sphinx-rtd-theme
- myst-parser
- nbsphinx
- twine
- build
- black
- pytest
- pytest-mpi
- torchvision
- mpi4py
- opencv-python
- torchvision
- mpi4py


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl appfl-0.2.1:

    pip install appfl-0.2.1.whl


نصب پکیج tar.gz appfl-0.2.1:

    pip install appfl-0.2.1.tar.gz