【導(dǎo)語(yǔ)】據(jù)了解，全球有 30 億臺(tái)智能手機(jī)和 70 億臺(tái)邊緣設(shè)備。每天，這些電話與設(shè)備之間的交互不斷產(chǎn)生新的數(shù)據(jù)。傳統(tǒng)的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)模式，都需要在處理數(shù)據(jù)之前集中收集數(shù)據(jù)至服務(wù)器，然后進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練并得到模型參數(shù)，最終獲得更好的產(chǎn)品。

但如果這些需要聚合的數(shù)據(jù)敏感且昂貴的話，那么這種中心化的數(shù)據(jù)收集手段可能就不太適用了。

去掉這一步驟，直接在生成數(shù)據(jù)的邊緣設(shè)備上進(jìn)行數(shù)據(jù)分析和機(jī)器學(xué)習(xí)訓(xùn)練呢？

近日，Google 開(kāi)源了一款名為 TensorFlow Federated （TFF）的框架，可用于去中心化（decentralized）數(shù)據(jù)的機(jī)器學(xué)習(xí)及運(yùn)算實(shí)驗(yàn)。它實(shí)現(xiàn)了一種稱為聯(lián)邦學(xué)習(xí)（Federated Learning，F(xiàn)L）的方法，將為開(kāi)發(fā)者提供分布式機(jī)器學(xué)習(xí)，以便在沒(méi)有數(shù)據(jù)離開(kāi)設(shè)備的情況下，便可在多種設(shè)備上訓(xùn)練共享的 ML 模型。其中，通過(guò)加密方式提供多一層的隱私保護(hù)，并且設(shè)備上模型訓(xùn)練的權(quán)重與用于連續(xù)學(xué)習(xí)的中心模型共享。

傳送門：https://www.tensorflow.org/federated/

實(shí)際上，早在 2017 年 4 月，Google AI 團(tuán)隊(duì)就推出了聯(lián)邦學(xué)習(xí)的概念。這種被稱為聯(lián)邦學(xué)習(xí)的框架目前已應(yīng)用在 Google 內(nèi)部用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，例如智能手機(jī)中虛擬鍵盤的下一詞預(yù)測(cè)和音樂(lè)識(shí)別搜索功能。

圖注：每臺(tái)手機(jī)都在本地訓(xùn)練模型（A）；將用戶更新信息聚合（B）；然后形成改進(jìn)的共享模型（C）。

DeepMind 研究員Andrew Trask 隨后發(fā)推稱贊：“Google 已經(jīng)開(kāi)源了Federated Learning……可在數(shù)以百萬(wàn)計(jì)的智能手機(jī)上共享模型訓(xùn)練！”

讓我們一起來(lái)看看使用教程：

從一個(gè)著名的圖像數(shù)據(jù)集 MNIST 開(kāi)始。MNIST 的原始數(shù)據(jù)集為 NIST，其中包含 81 萬(wàn)張手寫(xiě)的數(shù)字，由 3600 個(gè)志愿者提供，目標(biāo)是建立一個(gè)識(shí)別數(shù)字的 ML 模型。

傳統(tǒng)手段是立即將 ML 算法應(yīng)用于整個(gè)數(shù)據(jù)集。但實(shí)際上，如果數(shù)據(jù)提供者不愿意將原始數(shù)據(jù)上傳到中央服務(wù)器，就無(wú)法將所有數(shù)據(jù)聚合在一起。

TFF 的優(yōu)勢(shì)就在于，可以先選擇一個(gè) ML 模型架構(gòu)，然后輸入數(shù)據(jù)進(jìn)行訓(xùn)練，同時(shí)保持每個(gè)數(shù)據(jù)提供者的數(shù)據(jù)是獨(dú)立且保存在本地。

下面顯示的是通過(guò)調(diào)用 TFF 的 FL API，使用已由 GitHub 上的“Leaf”項(xiàng)目處理的 NIST 數(shù)據(jù)集版本來(lái)分隔每個(gè)數(shù)據(jù)提供者所寫(xiě)的數(shù)字：

GitHub 傳送鏈接：https://github.com/TalwalkarLab/leaf

#Loadsimulationdata.source,_=tff.simulation.datasets.emnist.load_data()defclient_data(n):dataset=source.create_tf_dataset_for_client(source.client_ids[n])returnmnist.keras_dataset_from_emnist(dataset).repeat(10).batch(20)#WrapaKerasmodelforusewithTFF.defmodel_fn():returntff.learning.from_compiled_keras_model(mnist.create_simple_keras_model(),sample_batch)#Simulateafewroundsoftrainingwiththeselectedclientdevices.trainer=tff.learning.build_federated_averaging_process(model_fn)state=trainer.initialize()for_inrange(5):state,metrics=trainer.next(state,train_data)print(metrics.loss)

除了可調(diào)用 FL API 外，TFF 還帶有一組較低級(jí)的原語(yǔ)（primitive），稱之為 Federated Core (FC) API。這個(gè) API 支持在去中心化的數(shù)據(jù)集上表達(dá)各種計(jì)算。

使用 FL 進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練僅是第一步；其次，我們還需要對(duì)這些數(shù)據(jù)進(jìn)行評(píng)估，這時(shí)就需要 FC API 了。

假設(shè)我們有一系列傳感器可用于捕獲溫度讀數(shù)，并希望無(wú)需上傳數(shù)據(jù)便可計(jì)算除這些傳感器上的平均溫度。調(diào)用 FC 的 API，就可以表達(dá)一種新的數(shù)據(jù)類型，例如指出 tf.float32，該數(shù)據(jù)位于分布式的客戶端上。

READINGS_TYPE=tff.FederatedType(tf.float32,tff.CLIENTS)

然后在該類型的數(shù)據(jù)上定義聯(lián)邦平均數(shù)。

@tff.federated_computation(READINGS_TYPE)defget_average_temperature(sensor_readings):returntff.federated_average(sensor_readings)

之后，TFF 就可以在去中心化的數(shù)據(jù)環(huán)境中運(yùn)行。從開(kāi)發(fā)者的角度來(lái)講，F(xiàn)L 算法可以看做是一個(gè)普通的函數(shù)，它恰好具有駐留在不同位置（分別在各個(gè)客戶端和協(xié)調(diào)服務(wù)中的）輸入和輸出。

例如，使用了 TFF 之后，聯(lián)邦平均算法的一種變體：

參考鏈接：https://arxiv.org/abs/1602.05629

@tff.federated_computation(tff.FederatedType(DATASET_TYPE,tff.CLIENTS),tff.FederatedType(MODEL_TYPE,tff.SERVER,all_equal=True),tff.FederatedType(tf.float32,tff.SERVER,all_equal=True))deffederated_train(client_data,server_model,learning_rate):returntff.federated_average(tff.federated_map(local_train,[client_data,tff.federated_broadcast(server_model),tff.federated_broadcast(learning_rate)]))

目前已開(kāi)放教程，可以先在模型上試驗(yàn)現(xiàn)有的 FL 算法，也可以為 TFF 庫(kù)提供新的聯(lián)邦數(shù)據(jù)集和模型，還可以添加新的 FL 算法實(shí)現(xiàn)，或者擴(kuò)展現(xiàn)有 FL 算法的新功能。

據(jù)了解，在 FL 推出之前，Google 還推出了 TensorFlow Privacy，一個(gè)機(jī)器學(xué)習(xí)框架庫(kù)，旨在讓開(kāi)發(fā)者更容易訓(xùn)練具有強(qiáng)大隱私保障的 AI 模型。目前二者可以集成，在差異性保護(hù)用戶隱私的基礎(chǔ)上，還能通過(guò)聯(lián)邦學(xué)習(xí)（FL）技術(shù)快速訓(xùn)練模型。