Flower dan NVIDIA FLARE memainkan peran yang berbeda, menjadikannya komponen penting dari ekosistem pembelajaran terfederasi (FL). Flower menyediakan pendekatan terpadu bagi para peneliti dan pengembang untuk membuat dan mengevaluasi aplikasi FL, sementara NVIDIA FLARE mendukung aplikasi tingkat produksi dengan fokus pada keandalan dan skalabilitas. Integrasi kedua kerangka kerja ini memungkinkan aplikasi yang dikembangkan di Flower untuk berjalan pada runtime FLARE tanpa perubahan kode, yang menyederhanakan proses penerapan penelitian-ke-produksi.

Integrasi ini memanfaatkan arsitektur klien-server bersama dan protokol komunikasi gRPC dari kedua kerangka kerja untuk mengubah aplikasi Flower menjadi pekerjaan FLARE. Integrasi ini tidak hanya menyederhanakan penerapan aplikasi Flower, tetapi juga meningkatkan keamanan dan keandalan komunikasi. Integrasi ini mendukung berbagai protokol komunikasi dan kemampuan peer-to-peer, yang memfasilitasi berbagai topologi penerapan dan manajemen multi-pekerjaan yang efisien.

Proses integrasi dirancang untuk memastikan bahwa aplikasi Flower mempertahankan fungsionalitas dan hasilnya saat berjalan dalam lingkungan FLARE. Eksperimen menunjukkan bahwa kurva pelatihan konsisten dalam pengaturan mandiri dan terintegrasi, yang mengonfirmasi integritas proses pelatihan. Hal ini memungkinkan aplikasi Flower dimigrasikan dengan lancar ke runtime FLARE tanpa penyimpangan kinerja.

Kolaborasi antara Flower dan NVIDIA FLARE ini menggabungkan alat pengembangan yang intuitif dengan kemampuan runtime yang tangguh untuk membuka kemungkinan baru bagi pembelajaran terfederasi. Hal ini meningkatkan pelacakan dan pemantauan eksperimen dalam lingkungan FLARE, menyediakan solusi terpadu dan canggih bagi para peneliti dan praktisi. Kami berharap integrasi ini akan meningkatkan skalabilitas dan kegunaan aplikasi FL, menjembatani kesenjangan antara inovasi dan penerapan di dunia nyata.