معرفی شرکت ها

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

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

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

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

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

توضیحات

Forcast Federated Learning

ویژگی	مقدار
سیستم عامل	-
نام فایل	ffl-0.3.4
نام	ffl
نسخه کتابخانه	0.3.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Forcast OpenSource
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/forcast-open
آدرس اینترنتی	https://pypi.org/project/ffl/
مجوز	-

# Forcast Federated Learning Forcast Federated Learning (FFL) is an open-source [Pytorch](https://pytorch.org/) based framework for machine learning on decentralized data. FFL has been developed to facilitate open experimentation with [Federated Learning (FL)](https://ai.googleblog.com/2017/04/federated-learning-collaborative.html), an approach to machine learning where a shared global model is trained across many participating clients that keep their training data locally. For example, FL has been used to train [prediction models for mobile keyboards](https://arxiv.org/abs/1811.03604) without uploading sensitive typing data to servers. FFL enables developers to use low level model aggregation into a federated model. Explicitly using individual data per client and sharing only the local models or model gradients. This helps bridge the gap from simulation, into simulation with isolated clients and private data and onto deployment. ## Installation See the [install](docs/install.md) documentation for instructions on how to install FFL as a package or build FFL from source. ## Getting Started See the [get started](docs/get_started.md) documentation for instructions on how to use FFL.

نیازمندی

مقدار	نام
==20.3.0	attrs
==0.8	dataclasses
==4.0.1	importlib-metadata
==1.1.1	iniconfig
==1.0.0	joblib
==1.19.4	numpy
==0.11.0	opacus
==20.9	packaging
==1.1.5	pandas
==8.0.1	Pillow
==0.13.1	pluggy
==1.10.0	py
==2.4.7	pyparsing
==6.2.2	pytest
==2.8.1	python-dateutil
==2020.4	pytz
==0.23.2	scikit-learn
==1.5.4	scipy
==1.15.0	six
==0.0	sklearn
==0.3.0	tenseal
==2.1.0	threadpoolctl
==0.10.2	toml
==1.7.1	torch
==0.1.4	torchcsprng
==0.8.2	torchvision
==4.56.0	tqdm
==3.7.4.3	typing-extensions
==3.4.0	zipp

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl ffl-0.3.4:

pip install ffl-0.3.4.whl

نصب پکیج tar.gz ffl-0.3.4:

pip install ffl-0.3.4.tar.gz