FedML

一键跨云调度，轻松搞定分布式与联邦学习

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 771 🐛 待处理 150 👀 关注 92

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4069

维护状态低维护

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类智能体

开发团队FedML-AI

官网地址https://TensorOpera.ai

GitHubhttps://github.com/FedML-AI/FedML

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-agent,deep-learning,distributed-training,edge-ai,federated-learning,inference-engine,machine-learning,mlops,model-deployment,model-serving,on-device-training

GitHub 星标★ 4069

上线时间2020-07-21 00:00:00

代码更新2025-10-28

仓库体积913.6 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数7

项目介绍

FedML 是一个统一且可扩展的机器学习库，专注于大规模分布式训练、模型服务和联邦学习。它提供跨云调度器 FedML Launch，支持在任意 GPU 云或本地集群上运行 AI 任务。FedML 覆盖从数据准备、模型训练、部署到监控的完整 MLOps 生命周期，支持多种联邦学习算法（如 FedAvg、FedProx）和分布式训练框架（如 PyTorch、TensorFlow）。其核心能力包括：跨云资源调度、联邦学习模拟与真实部署、边缘设备支持、以及模型服务。FedML 旨在降低分布式和联邦学习的门槛，使开发者能够轻松地在复杂环境中训练和部署 AI 模型。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4069

技术标签

ai-agent deep-learning distributed-training edge-ai federated-learning

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Git（用于克隆 GitHub 仓库）
Python 环境（项目开发语言为 Python，README 未给出具体版本要求）
可访问 GitHub 与官方文档站 https://docs.TensorOpera.ai 的网络
如需云端调度、Studio、Job Store 等能力，需要 TensorOpera AI 账号（https://TensorOpera.ai）

安装与启动步骤

1克隆项目仓库

从 GitHub 获取 FedML 源码，README 未提供 pip 安装命令，安装方式请以官方文档为准。
```
git clone https://github.com/FedML-AI/FedML.git
```
2查阅官方文档

README 只给出文档入口，未包含安装步骤；实际安装与依赖要求请以该文档站内容为准。
3了解平台三层能力

README 说明调度层 Launch、计算层 Train/Federate/Deploy 与 MLOps 层 Studio/Job Store 的定位，便于选择使用路径。
4按需接入云端平台

若要用跨云 GPU 调度、模型服务或联邦学习托管能力，需前往 TensorOpera 官网注册并按其指引操作。
5加入社区获取帮助

遇到问题时可通过 README 提供的 Slack 或 Discord 社区频道寻求支持。