FedML: A Research Library and Benchmark for Federated Machine Learning

论文链接：https://arxiv.org/abs/2007.13518 代码链接：https://github.com/FedML-AI/FedML

FedML 应该是目前最强大的联邦学习开源项目！可促进新的联邦学习算法开发和公平的性能对比。其支持三种计算范例（分布式训练，移动设备训练和独立仿真），以便用户在不同的系统环境中进行实验。作者单位：南加大, 斯坦福大学, MIT, 微众银行等

联邦学习是机器学习领域中快速发展的研究领域。尽管已经进行了大量的研究工作，但是现有的库不能充分支持多样化的算法开发（例如，多样化的拓扑和灵活的消息交换），并且实验中数据集和模型用法的不一致使公平的比较变得困难。在这项工作中，我们介绍FedML，这是一个开放的研究库和基准，可促进新的联邦学习算法的开发和公平的性能比较。FedML支持三种计算范例（分布式训练，移动设备训练和独立仿真），以便用户在不同的系统环境中进行实验。 FedML还通过灵活且通用的API设计和参考基准实现促进了各种算法研究。针对非I.I.D设置的精选且全面的基准数据集旨在进行公平的比较。我们相信FedML可以为联合学习研究社区提供开发和评估算法的有效且可重复的手段。

内容中包含的图片若涉及版权问题，请及时与我们联系删除