百度开源联邦学习开源框架展示-哔哩展示

缺点：很久没有更新了。 目前使用的是.fluid原生API，使用起来比较困难，并且需要很长时间来调试bug。

下面的联邦学习框架总体来说用起来比较舒服，支持的算法也比较少。 但是，您可以编写自己的联邦学习策略。 您需要对联邦学习算法有一个清晰的内部了解。 建议使用该算法在本地运行实验。 。 支持常用的API。

缺点：支持的算法较少，但可以编写自己的联邦学习策略； 很难制作一个真正的分布式系统（运行在不同的主机上）

//

肺纤维化

相对不太出名的是，浙江大学吴超老师带领的团队开发的联邦学习开源框架，支持所有API接口，并且内置了很多联邦学习策略。 另外还有知识蒸馏的方法，非常好用。 它很舒服并且可以更快地运行代码。

pfl的缺点：开发还不完善。 运行代码时改变损失函数很容易出错。

下面是b站的讲解视频。

PFL：联邦学习开源框架演示展示

目前我对这些框架都比较熟悉，联邦学习框架和Fate后续还会更新。