Лёгкая библиотека глубокого обучения с проверкой типов для функциональной композиции моделей и обёртывания слоёв PyTorch, TensorFlow и MXNet.
2,9 тыс.295PythonMITОбновлён 12 дней назад
flwrlabs/flower
Python-фреймворк для создания систем федеративного обучения, в которых модели обучаются на множестве клиентов без централизации их данных.
- Звёзды
- 7,195
- Форки
- 1,247
- Открытые issues
- 420
- Последний коммит
- 13 часов назад
Что это?
Flower (flwr) — фреймворк для создания систем федеративного ИИ: модели обучаются на множестве отдельных клиентов, а между ними передаются только обновления моделей, но не исходные данные. Фреймворк легко настраивать и расширять: разработчики могут менять стратегию сервера, логику клиента и схему обмена данными под конкретный сценарий.
Flower не привязан к конкретному фреймворку. В проекте перечислены интеграции с PyTorch, TensorFlow, Hugging Face Transformers, PyTorch Lightning, scikit-learn, JAX, TFLite, MONAI, fastai, MLX, XGBoost и CatBoost, а также инструменты для федеративной аналитики с Pandas. В примерах для быстрого старта показано развёртывание на Android и iOS, а также на устройствах Raspberry Pi и Nvidia Jetson.
В репозитории также размещён Flower Baselines — набор реализаций опубликованных методов федеративного обучения, созданных сообществом. Среди них FedProx, FedBN, MOON и FedAvgM. Кроме того, представлены примеры проектов по вертикальному FL, федеративной донастройке LLM и vision transformer.
Ключевые возможности
- 01Поддерживает множество ML-фреймворков, включая PyTorch, TensorFlow, scikit-learn и XGBoost.
- 02Позволяет разработчикам настраивать и переопределять компоненты сервера и клиента.
- 03Предлагает примеры для быстрого старта на Android, iOS и встраиваемых устройствах Raspberry Pi и Jetson.
- 04Включает созданные сообществом реализации опубликованных методов федеративного обучения.
- 05Содержит примеры федеративной донастройки LLM и vision transformer.
Сценарии использования
- Обучение модели в нескольких больницах или организациях без передачи данных пациентов или клиентов.
- Проведение экспериментов с федеративным обучением на мобильных и периферийных устройствах.
- Воспроизведение и сравнение опубликованных алгоритмов федеративного обучения в качестве исследовательского базового решения.
- Федеративная аналитика распределённых табличных данных с помощью Pandas.
Быстрый старт
- 1
Прочитайте руководство по установке в документации Flower
- 2
Следуйте руководству по быстрому старту PyTorch в документации
В подборках
Темы
Частые вопросы
- Что такое flower?
- Python-фреймворк для создания систем федеративного обучения, в которых модели обучаются на множестве клиентов без централизации их данных. Flower (flwr) — фреймворк для создания систем федеративного ИИ: модели обучаются на множестве отдельных клиентов, а между ними передаются только обновления моделей, но не исходные данные. Фреймворк легко настраивать и расширять: разработчики могут менять стратегию сервера, логику клиента и схему обмена данными под конкретный сценарий.
- flower можно использовать бесплатно? Какая у него лицензия?
- flower распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- flower всё ещё поддерживается?
- Активно поддерживается. Последний коммит в flower — 7 нояб. 2026 г..
- Для чего можно использовать flower?
- Обучение модели в нескольких больницах или организациях без передачи данных пациентов или клиентов. Проведение экспериментов с федеративным обучением на мобильных и периферийных устройствах. Воспроизведение и сравнение опубликованных алгоритмов федеративного обучения в качестве исследовательского базового решения. Федеративная аналитика распределённых табличных данных с помощью Pandas.
- Как установить flower?
- Прочитайте руководство по установке в документации Flower Следуйте руководству по быстрому старту PyTorch в документации
- Где скачать flower?
- Исходный код и инструкции по установке — на GitHub: https://github.com/flwrlabs/flower
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Учебная программа Microsoft по ИИ для начинающих: 12 недель и 24 урока о символическом ИИ, нейросетях, компьютерном зрении, NLP и этике, с ноутбуками на PyTorch и TensorFlow.
Обучающие материалы#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,6 тыс.+218 за неделю13,7 тыс.Jupyter NotebookMITОбновлён 3 дня назад
Просмотрщик моделей нейросетей, глубокого и машинного обучения с поддержкой ONNX, TensorFlow, PyTorch, Core ML и многих других форматов.
33,7 тыс.+26 за неделю3,2 тыс.JavaScriptMITАктивно поддерживаетсяОбновлён вчера
Python-библиотека и облачная платформа для отслеживания, визуализации и управления экспериментами машинного обучения, датасетами и моделями.
11,3 тыс.+4 за неделю915PythonMITАктивно поддерживаетсяОбновлён 17 часов назад
Независимый от движка фреймворк глубокого обучения для Java, позволяющий создавать, обучать и запускать модели через нативный Java API.
4,9 тыс.+2 за неделю761JavaApache-2.0Обновлён 6 дней назад
Фреймворк для глубокого обучения на PyTorch: автоматизирует циклы обучения, масштабирование на несколько GPU и типовую инженерную работу, сохраняя полный контроль над кодом модели.
31,4 тыс.+12 за неделю3,8 тыс.PythonApache-2.0Обновлён 9 дней назад