簡言之，聯邦核心（fc）是乙個開發環境，它使得能夠緊湊地表示將tensorflow**與分布式通訊運算子（例如聯邦平均中使用的運算子）組合在一起的程式邏輯-計算一組客戶端上的分布式和、平均數和其他型別的分布式聚合系統中的裝置，這些裝置的廣播模型和引數等。
您可能知道tf.contrib.distribute，這時自然要問乙個問題：這個框架在哪些方面有所不同？畢竟，這兩個框架都試圖使tensorflow計算分布式。
一種思考的方式是，儘管tf.contrib.distribute的既定目標是允許使用者使用現有的模型和訓練**，而只需對其進行最小的更改即可實現分布式訓練，但重點在於如何利用分布式基礎設施使現有的訓練**更有效，這也是tff聯邦核心的目標。是為了讓研究人員和實踐者明確控制他們將在其系統中使用的分布式通訊的特定模式。fc的重點是提供一種靈活的、可擴充套件的語言來表達分布式資料流演算法，而不是提供一組具體的分布式訓練功能。
tff的fc api的主要目標受眾之一是研究人員和實踐者，他們可能希望試驗新的聯合學習演算法，並評估影響分布式系統中資料流編排方式的微妙設計選擇的後果，但又不會被系統實現細節所困擾。fc api的抽象級別大致相當於研究出版物中描述聯邦學習演算法機制的偽**，即系統中存在哪些資料以及如何轉換這些資料，但不會降低到單個點對點網路訊息交換的級別。
tff作為乙個整體，其目標是資料分發的場景，並且必須保持這種場景，例如，出於隱私原因，並且在集中位置收集所有資料可能不是可行的選擇。這意味著機器學習演算法的實現需要增加顯式控制的程度，與所有資料都可以在資料中心的集中位置累積的場景相比。
聯合資料
tff的乙個顯著特點是，它允許您在聯邦資料上緊湊地表示基於tensorflow的計算。在本教程中，我們將使用聯邦資料一詞來指代分布系統中跨一組裝置託管的資料項集合。例如，在移動裝置上執行的應用程式可以收集資料並將其儲存在本地，而無需上載到集中位置。或者，分布式感測器陣列可以在其位置收集和儲存溫度讀數。
與上述示例中的聯邦資料類似的聯邦資料在tff中被視為一級公民，即它們可能顯示為函式的引數和結果，並且它們具有型別。為了加強這個概念，我們將聯邦資料集稱為聯邦值，或者稱為聯邦型別的值。
需要了解的重要一點是，我們正在將所有裝置上的資料項的整個集合（例如，分布式陣列中所有感測器的整個集合溫度讀數）建模為單個聯合值。
例如，下面是如何在tff中定義由一組客戶機裝置託管的聯合float的型別。通過分布感測器陣列實現的溫度讀數集合可以建模為這種聯邦型別的值。
一些專業的解釋
1.pid 比例 proportion 積分 integral 微分 derivative 控制 pid控制是乙個在工業控制應用中常見的反饋迴路部件，由比例單元p 積分單元i和微分單元d組成。pid控制的基礎是比例控制 積分控制可消除穩態誤差，但可能增加超調 微分控制可加快大慣性系統響應速度以及減弱...
BOM DOM的一些解釋
dom 是為了操作文件出現的 api，document 是其的乙個物件 bom 是為了操作瀏覽器出現的 api，window 是其的乙個物件。bom是瀏覽器物件模型，是對瀏覽器本身進行操作 dom是文件物件模型，是對瀏覽器 可看成容器 內的內容進行操作 歸dom管的 e區 就是你說的document...
CSS定位的一些解釋
定位 position static relative absolute fixed 預設值 static top right bottom left 初始值為 auto 百分數 對於top和bottom，相對於包含塊的高度 對於left和right，相對於包含塊的寬度 正值使邊界向內偏移，負值會導...