随着企业越来越多地在工作流程中引入人工智能，如何高效管理大规模机器学习（ML）模型的训练与部署基础设施，已成为一项关键挑战。NVIDIA FLARE 2.3.0 通过联合学习（Federated Learning）提供了一套创新解决方案，帮助您跨云、跨场景轻松管理复杂的人工智能工作流。本教程将详细解读该版本的三大核心新功能：多云部署（IaC）、NLP 与 LLM 示例以及拆分学习，并附上实用提示与常见问题，助您快速上手。

1. 多云部署：利用基础设施即代码（IaC）实现自动化

NVIDIA FLARE 2.3.0 支持通过 基础设施即代码（IaC） 在多云环境中自动部署和管理基础设施。您只需几条 CLI 命令，即可在 Microsoft Azure 或 AWS 上创建资源组、网络、安全组、计算实例，并将 NVIDIA FLARE 客户端/服务器部署到新建的虚拟机中。这种方式能显著节省时间，降低人为错误风险，同时让您灵活组合不同云服务商（例如：服务器在 AWS，客户端在 Azure 和/或 AWS），实现简单的混合多云配置。

快速开始

使用以下命令即可自动部署基础架构并启动 Dashboard UI、FL Server 和 FL Client：

/start.sh --cloud azure | aws

nvflare dashboard --cloud azure | aws

图 1：用于设置多云部署的 NVIDIA FLARE 单行 CLI 命令