Una biblioteca ligera de deep learning con comprobación de tipos para componer modelos y usar capas de PyTorch, TensorFlow y MXNet.
2,9 mil295PythonMITActualizado hace 10 días
flwrlabs/flower
Un framework de Python para crear sistemas de aprendizaje federado que entrenan modelos en muchos clientes sin centralizar sus datos.
- Estrellas
- 7,192
- Forks
- 1,247
- Issues abiertos
- 411
- Último commit
- hace 19 horas
¿Qué es?
Flower (flwr) es un framework para crear sistemas de IA federada, en los que los modelos se entrenan en muchos clientes independientes y se comparten únicamente las actualizaciones del modelo, no los datos sin procesar. Está diseñado para ser personalizable y extensible, de modo que los desarrolladores puedan cambiar la estrategia del servidor, la lógica del cliente y el patrón de comunicación para adaptarlos a un caso de uso específico.
Flower es independiente del framework. El proyecto enumera integraciones con PyTorch, TensorFlow, Hugging Face Transformers, PyTorch Lightning, scikit-learn, JAX, TFLite, MONAI, fastai, MLX, XGBoost y CatBoost, e incluye análisis federado con Pandas. Los ejemplos de inicio rápido abarcan la implementación en Android e iOS, así como en dispositivos Raspberry Pi y Nvidia Jetson.
El repositorio también incluye Flower Baselines, implementaciones de la comunidad de métodos de aprendizaje federado publicados, como FedProx, FedBN, MOON y FedAvgM, además de varios proyectos de ejemplo sobre FL vertical, LLM federados y ajuste fino de vision transformers.
Funciones clave
- 01Es compatible con muchos frameworks de ML, como PyTorch, TensorFlow, scikit-learn y XGBoost.
- 02Permite a los desarrolladores personalizar y sustituir componentes del servidor y del cliente.
- 03Incluye ejemplos de inicio rápido para Android, iOS y dispositivos integrados Raspberry Pi y Jetson.
- 04Incluye implementaciones de referencia de la comunidad que reproducen métodos de aprendizaje federado publicados.
- 05Ofrece ejemplos de ajuste fino federado de LLM y vision transformers.
Casos de uso
- Entrenar un modelo en varios hospitales u organizaciones sin compartir datos de pacientes o clientes.
- Ejecutar experimentos de aprendizaje federado en dispositivos móviles o edge.
- Reproducir y comparar algoritmos de aprendizaje federado publicados como referencia para investigación.
- Realizar análisis federado de datos tabulares distribuidos con Pandas.
Inicio rápido
- 1
Lee la guía de instalación en la documentación de Flower
- 2
Sigue el tutorial de inicio rápido de PyTorch en la documentación
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es flower?
- Un framework de Python para crear sistemas de aprendizaje federado que entrenan modelos en muchos clientes sin centralizar sus datos. Flower (flwr) es un framework para crear sistemas de IA federada, en los que los modelos se entrenan en muchos clientes independientes y se comparten únicamente las actualizaciones del modelo, no los datos sin procesar. Está diseñado para ser personalizable y extensible, de modo que los desarrolladores puedan cambiar la estrategia del servidor, la lógica del cliente y el patrón de comunicación para adaptarlos a un caso de uso específico.
- ¿flower es gratuito? ¿Qué licencia tiene?
- flower es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿flower sigue mantenido?
- Mantenimiento activo. El último commit de flower fue el 5 nov 2026.
- ¿Para qué puedo usar flower?
- Entrenar un modelo en varios hospitales u organizaciones sin compartir datos de pacientes o clientes. Ejecutar experimentos de aprendizaje federado en dispositivos móviles o edge. Reproducir y comparar algoritmos de aprendizaje federado publicados como referencia para investigación. Realizar análisis federado de datos tabulares distribuidos con Pandas.
- ¿Cómo se instala flower?
- Lee la guía de instalación en la documentación de Flower Sigue el tutorial de inicio rápido de PyTorch en la documentación
- ¿Dónde consigo flower?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/flwrlabs/flower
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
Recursos de aprendizaje#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,6 mil+231 esta semana13,7 milJupyter NotebookMITActualizado anteayer
Visor de modelos de redes neuronales, deep learning y machine learning, compatible con ONNX, TensorFlow, PyTorch, Core ML y muchos otros formatos.
33,7 mil+31 esta semana3,2 milJavaScriptMITBien mantenidoActualizado ayer
Biblioteca de Python y plataforma alojada para registrar, visualizar y gestionar experimentos de machine learning, conjuntos de datos y modelos.
11,3 mil+2 esta semana915PythonMITBien mantenidoActualizado hace 18 horas
Un framework de deep learning para Java independiente del motor que permite crear, entrenar y ejecutar modelos con una API nativa de Java.
4,9 mil+1 esta semana763JavaApache-2.0Actualizado hace 4 días
Framework de deep learning basado en PyTorch que automatiza los ciclos de entrenamiento, el escalado a varias GPU y el código de soporte, sin quitarte el control del modelo.
31,4 mil+11 esta semana3,8 milPythonApache-2.0Actualizado hace 7 días