搜索研究与资料 · 工具介绍
Flower
用于构建联邦 AI 系统，可结合不同机器学习框架编写应用并配置联邦学习策略。
Flower 能做什么
用于构建联邦 AI 系统，可结合不同机器学习框架编写应用并配置联邦学习策略。
- 模型训练与部署
如何使用 Flower
基于示例搭建联邦训练试验
准备输入
- 可用于试验的模型与分区数据
- 选定机器学习框架的运行环境
- 需要比较的训练策略
操作步骤
- 选择与当前模型框架相匹配的官方快速开始示例。
- 按教程编写 Flower 应用并设置联邦学习策略，先验证小规模试验。
- 比较不同参与数据与策略的结果，检查各方权限及数据使用边界后再扩展。
预期交付物
- 联邦学习试验应用与策略比较记录
使用联邦学习框架不自动满足隐私或安全要求；参与方、通信、更新内容和访问控制都需要单独设计与验证。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从搜索研究与资料角度评估Flower
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
