Este é o aplicativo para Windows chamado Pfl Research, cuja versão mais recente pode ser baixada como pfl0.4.0sourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute on-line este aplicativo chamado Pfl Research com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie qualquer emulador on-line OS OnWorks a partir deste site, mas um emulador on-line melhor do Windows.
- 5. No sistema operacional OnWorks Windows que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo e instale-o.
- 7. Baixe o Wine de seus repositórios de software de distribuição Linux. Depois de instalado, você pode clicar duas vezes no aplicativo para executá-lo com o Wine. Você também pode experimentar o PlayOnLinux, uma interface sofisticada do Wine que o ajudará a instalar programas e jogos populares do Windows.
Wine é uma forma de executar software Windows no Linux, mas sem a necessidade de Windows. Wine é uma camada de compatibilidade do Windows de código aberto que pode executar programas do Windows diretamente em qualquer desktop Linux. Essencialmente, o Wine está tentando reimplementar o suficiente do Windows do zero para que possa executar todos os aplicativos do Windows sem realmente precisar do Windows.
SCREENSHOTS
Ad
Pesquisa Pfl
DESCRIÇÃO
Um framework Python rápido e modular lançado pela Apple para simulação de aprendizagem federada (PFL) com preservação de privacidade. Integra-se com TensorFlow, PyTorch e ML clássico, e oferece simulação distribuída de alta velocidade (7 a 72 vezes mais rápida que alternativas).
Recursos
- Simula fluxos de trabalho de aprendizagem federados com foco em privacidade
- Compatível com TensorFlow, PyTorch, scikit-learn
- Escala entre processos, GPUs e multimáquinas (via Horovod)
- Design modular para conectar algoritmos de privacidade
- Conjunto de benchmark para comparações padronizadas
- Mantido ativamente por pesquisadores da Apple
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/pfl-research.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
