FEDML - La libreria ML unificata e scalabile per l'addestramento distribuito su larga scala, il servizio di modelli e l'apprendimento federato. FEDML Launch, un pianificatore cross-cloud, consente ulteriormente di eseguire qualsiasi lavoro AI su qualsiasi cloud GPU o cluster on-premise. Costruito su questa libreria, T
Esegui lavori di addestramento e distribuzione AI su vari servizi cloud e dispositivi in modo facile e sicuro.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiFEDML - La libreria ML unificata e scalabile per l'addestramento distribuito su larga scala, il servizio di modelli e l'apprendimento federato. FEDML Launch, un pianificatore cross-cloud, consente ulteriormente di eseguire qualsiasi lavoro AI su qualsiasi cloud GPU o cluster on-premise. Costruito su questa libreria, T
FedML ha 4.1k stelle su GitHub. È stato forkato 765 volte. FedML è scritto principalmente in Python. È in sviluppo attivo dal 2020. FedML è disponibile con licenza Apache-2.0. I suoi temi principali sono: ai-agent, deep-learning, distributed-training, edge-ai.
FEDML - La libreria ML unificata e scalabile per l'addestramento distribuito su larga scala, il servizio di modelli e l'apprendimento federato. FEDML Launch, un pianificatore cross-cloud, consente ulteriormente di eseguire qualsiasi lavoro AI su qualsiasi cloud GPU o cluster on-premise. Costruito su questa libreria, T
FedML è un progetto open source. È rilasciato con licenza Apache-2.0.
Sì. FedML è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
FedML è disponibile con licenza Apache-2.0.
FedML è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/fedml-ai-fedml.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.