文件名称：DeML-Golem:Golem 上分散式机器学习的概念证明 (https)
文件大小：19.69MB
文件格式：ZIP
更新时间：2024-06-18 09:41:38
golem federated-learning decentralised-machine-learning Python
DeML-Golem 基于Golem（ ）架构的去中心化机器学习的概念证明 链接 [解释项目] [演示] 想法 DeML（去中心化 ML）的基本思想是提供一个框架，用于在计算机网络中轻松且低计算成本地处理机器学习模型。 DeML 使用联邦学习制定的概念将它在不同提供者节点上训练的子步骤模型组合成一个完整的模型，该模型可以与完全在本地训练的模型进行比较。 FL 模型的精度确实略低于标准，但不需要一台昂贵的机器来进行计算。 您可以了解FL和或享受一个古怪的漫画。 FL 绝对更多地是关于基于隐私的系统，我们在这里不会像它为分布式工作奠定的基础那样探索它。 目前，对于黑客马拉松，MNIST（ML 领域的“Hello World”）已被用作展示此 MVP 的概念证明，但是随着 Golem 减少了的限制随着我们转向主网，您可以期待在 Golem 上训练越来越困难和有用的模型。 [如果您在提
【文件预览】：
DeML-Golem-main
----.gitignore(44B)
----README.md(7KB)
----TFF implementation [WIP] [Not for hackathon]()
--------server.py(4KB)
--------model_base.py(12KB)
--------tester.py(6KB)
--------client.py(0B)
----Pipfile.lock(39KB)
----LICENSE(34KB)
----model_base.py(3KB)
----Pipfile(172B)
----docker()
--------DeML.Dockerfile(158B)
--------dataset()
--------.dockerignore(6B)
--------run_model.sh(47B)
----client.py(1KB)
----DeML.pdf(9.96MB)
----provider-orchestrator.py(7KB)