FedML-AI/FedML

How to implement serverless i.e. purely decentralized simulation (single process)

Offen

#1.102 geöffnet am 13.06.2023

Auf GitHub ansehenContributor Guide
 (3 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (743 Forks)batch import
help wantedquestion

Repository-Metriken

Stars
 (3.930 Sterne)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Is it possible to implement serverless federated learning using the FedML framework?

Contributor Guide

Research-Richtung
Untersuchen Sie, ob FedML derzeit serverloses föderiertes Lernen unterstützt, indem Sie die Dokumentation und den Quellcode überprüfen, insbesondere das Simulationsmodul. Suchen Sie nach bestehenden Diskussionen oder PRs, die serverlose oder dezentrale Simulation behandeln. Dem Issue fehlen spezifische Implementierungsdetails, daher klären Sie zunächst mit dem Autor des Issues die Anforderungen, was 'serverlos' in diesem Kontext bedeutet (z. B. die Verwendung von Cloud Funktionen wie AWS Lambda). Erkunden Sie, ob es verwandte Issues oder Beispiele im FedML Repository gibt, die einen Proof of Concept leiten könnten.
Tech Stack
python
Domain
machine learningai
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
federated learning
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40