OpenFL：一个用于联邦学习的开源框架
机器学习
2022-10-07 v1 分布式、并行与集群计算
摘要
联邦学习（FL）是一种计算范式，使各组织能够在不共享敏感数据（如患者记录、金融数据或机密秘密）的情况下协作开展机器学习（ML）项目。Open Federated Learning（OpenFL https://github.com/intel/openfl）是一个利用 FL 的数据私有协作学习范式训练 ML 算法的开源框架。OpenFL 可配合基于 TensorFlow 和 PyTorch 构建的训练流水线工作，并易扩展至其他 ML 与深度学习框架。在此我们总结 OpenFL 的动机与开发特性，以期促进其在生产环境中现有 ML 模型训练的应用。最后，我们介绍首次使用 OpenFL 框架在国际医疗组织联盟中训练共识 ML 模型，以及它如何促成首个 FL 计算竞赛。
引用
@article{arxiv.2105.06413,
title = {OpenFL: An open-source framework for Federated Learning},
author = {G Anthony Reina and Alexey Gruzdev and Patrick Foley and Olga Perepelkina and Mansi Sharma and Igor Davidyuk and Ilya Trushkin and Maksim Radionov and Aleksandr Mokrov and Dmitry Agapov and Jason Martin and Brandon Edwards and Micah J. Sheller and Sarthak Pati and Prakash Narayana Moorthy and Shih-han Wang and Prashant Shah and Spyridon Bakas},
journal= {arXiv preprint arXiv:2105.06413},
year = {2022}
}