Flower AI

Flower AI est un cadre d'apprentissage fédéré open source, destiné à construire des systèmes d'apprentissage automatique distribués, permettant à plusieurs clients de coopérer à l'entraînement des modèles tout en protégeant la confidentialité des données brutes.

Son objectif principal est de simplifier le processus de développement des systèmes d'apprentissage fédéré, permettant aux développeurs, chercheurs et entreprises de former conjointement des modèles IA sans partager les données brutes.

Les utilisateurs doivent généralement avoir des notions de Python et de machine learning. Le cadre fournit des tutoriels et des modèles détaillés pour vous aider à migrer depuis un projet existant ou à démarrer à partir de zéro.

Il prend en charge l'intégration avec PyTorch, TensorFlow, JAX (avec Flax), Hugging Face Transformers, fastai et Pandas, ainsi que d'autres outils et cadres populaires.

Le cadre suit les principes fondamentaux de l'apprentissage fédéré : les données d'entraînement restent sur l'appareil local ou le serveur, seuls les paramètres du modèle ou les mises à jour sont envoyés au serveur central pour agrégation, évitant ainsi le transfert direct des données brutes.

Selon les informations publiques, Flower AI est un cadre open source et gratuit.

Convient aux secteurs exigeant fortement la protection des données, tels que la santé, les services financiers, la conduite autonome, ou tout scénario nécessitant une collaboration d'IA entre plusieurs organisations.

Installez la bibliothèque Flower, utilisez son outil en ligne de commande flwr new pour générer un modèle de projet, ou clonez directement le dépôt d'exemples officiel pour démarrer rapidement.

Ils sont intégrés en collaboration : Flower AI se concentre sur la souplesse de la recherche et le développement d'algorithmes, tandis que NVIDIA FLARE met l'accent sur la préparation à la production; une fois intégrés, les programmes développés avec Flower peuvent tourner dans l'environnement FLARE.