Decentralized Federated Learning Application

Repository-Metriken

Stars

3.930 Sterne (3.930 Sterne)

PR-Merge-Metriken

Keine gemergten PRs in 30 T (Keine gemergten PRs in 30 T)

Beschreibung

Contributor Guide

Research-Richtung

Überprüfen Sie das dezentrale Parrot Simulator Beispiel unter dem angegebenen Pfad: python/examples/cross silo/grpc fedavg mnist lr example. Untersuchen Sie den vorhandenen Simulatorcode, um fehlende Trainings und Aggregationskomponenten zu identifizieren. Sehen Sie sich andere cross silo Beispiele im Repository nach Mustern an. Möglicherweise müssen Sie die Dokumentation des Haupt Repositorys darüber konsultieren, wie ein neues Beispiel beigetragen werden kann. Beginnen Sie damit, den gRPC Kommunikationsaufbau zu verstehen, und implementieren Sie dann die Trainings und Aggregationslogik.

Tech Stack

pythonpytorchgrpc

Domain

machine learningbackend

Issue Type

Funktion

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.

1-2 Tage

AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.

Frisch

KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.

Meist klar

Voraussetzungen

PythonPyTorchgRPC

EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.

30