本周是我们小组项目实训“异步分布式联邦学习”的第一周，这一周我们小组在已有分工的情况下，首先对于本次项目基于的技术进行了深入研究，并探究了如何对项目进行架构，从而执行一部分的 工作。
一、分工情况与本周工作内容概述在立项之初，我们就已经有对整个项目的分工进行了初步划分，我由于不善前端，因此负责后端工作。
由于这次的项目涉及到机器学习的内容，因此在编程语言的使用上，我们选择使用python语言，辅以BS架构构建的Web项目常常使用到的语言来构建我们的整个项目。在后端要使用python语言警醒构建，我们商讨之后决定使用python的Django库来进行构建。
不过由于大家对于Django库的实践学习已经需要追溯到一年前的python课，多少都有些生疏了，再加上我们小组中的各个成员的Django库版本并不一致，代码可能会产生一些兼容性的问题，因此我们这些负责后端的成员在第一周的主体任务在于重拾Django——包括了对于Django进行统一的环境配置，以及对Django框架中的一些内容进行回忆。
此外，由于需要在后端实现联邦学习的算法机制等内容，这对于我们这些对这个概念只有一些初步认知的学生而言，也还需要进行一些更加深入的了解，因此我们在第一周除了重拾Django之外，还需要对联邦学习的一些相关论文进行阅读，深入理解其中的算法机制，明白联邦学习是如何将用户上传的内容进行强化。
而且，还需要注意的是，我们对于这些模型是以怎样的形式进行上传的，也应该有一个定论。在经过讨论之后，我们决定将模型以文件的形式上传，这样也便于存储在服务器平台的备用数据库中，以便于未来模型丢失时作为备份，也十分便于我们对已经整合强化的模型进行记录。
二、环境配置具体细节Django版本：4.0.2（最新版本有些不妥，因此后续将会改变成为更为稳定的3.x版本）
