Flower
友好的联邦学习框架,6.9K+ stars。支持多设备、多机构的分布式 AI 训练,数据不出本地即可协作训练模型。兼容 PyTorch/TensorFlow/JAX 等主流框架,是联邦学习的事实标准基础设施
🎯适用场景:多机构联合训练——医院、银行等需要数据隐私的机构可在不共享原始数据的情况下协作训练 AI 模型。
📥 收录于 2026/5/30
📊 仓库数据
✅ 优点
- •数据不出本地,天然满足隐私合规要求
- •兼容 PyTorch/TensorFlow/JAX 等主流框架
- •支持跨平台部署(云端、边缘设备、移动端)
- •活跃的学术社区,论文引用量高
⚠️ 限制
- •联邦学习通信开销大,训练速度慢于集中式
- •需要额外处理异构数据和非独立同分布问题
🔗 相关工具
PySyft
github.com/OpenMined/PySyft
隐私保护 AI 框架,9.9K+ stars。在数据保留在他人服务器上的情况下进行数据科学和 AI 训练,支持联邦学习、安全多方计算和差分隐私,是隐私 AI 的标志性开源项目
🎯医疗/金融等敏感数据场景下的 AI 训练——在不共享原始数据的前提下,多方可协作训练模型。
Transformers
github.com/huggingface/transformers
Hugging Face 核心模型库,159,648+ stars。支持 200K+ 预训练模型,覆盖 NLP、计算机视觉、音频、多模态等全领域,提供统一 API 接口,是 AI 开发者的必备基础设施
🎯多模型 API 统一接入与路由
Pytorch
github.com/pytorch/pytorch
Meta 开源的深度学习框架,100K+ stars。以动态计算图和 Pythonic 风格著称,在学术界和工业界都有广泛应用,支持分布式训练、移动端部署和 ONNX 导出
🎯深度学习模型研发、学术论文实验、大模型微调训练
LLM Course
github.com/mlabonne/llm-course
LLM 学习路线图,78,479+ stars。从入门到精通的系统学习资源,涵盖 Transformers 原理、微调、RLHF、量化部署等关键技术方向,是 AI 开发者的成长指南
🎯AI 技术学习与实践教程、大模型微调与训练
Keras
github.com/keras-team/keras
深度学习框架,64,020+ stars。高级神经网络 API,支持 TensorFlow、JAX、PyTorch 多后端。以用户友好著称,让深度学习从实验到生产的转化变得简单高效
🎯大模型微调与训练
nanoGPT
github.com/karpathy/nanoGPT
Andrej Karpathy 的最小化 GPT 训练实现,仅约 300 行代码即可从头训练 GPT 模型,是学习 LLM 训练原理的最佳入门项目
🎯学习 LLM 训练原理、GPT 模型教学、深度学习课程
