本文介绍了如何使用Fate进行横向联邦学习预测，讲解了Model_info.json和train_runtime_conf.json的作用，详细阐述了预测配置文件的编写，并提供了预测命令示例。此外，还分享了查看预测结果的方法以及个人的Python开发经验，提供了一套全面的Python学习资源。
Model_info.json：模型信息，包括model_id model_verison
train_runtime_conf.json:暂时没有看到相关资料，后续补充
=====================================================================
使用文件examples/federatedml-1.x-examples/homo_logistic_regression/test_predict_conf.json
-
发起人：指定发起人的角色和partyID，应与训练过程相同。
-
job_parameters：
work_mode：单机或者集群，它应与训练过程相同。
model_id \ model_version：##1中获取的信息匹配。
job_type：任务类型。分为train/predict 在这种情况下，它应该是“predict”。
- 角色：指出所有角色的所有partyID，应与训练过程相同。
role_parameters:角色配置，guest使用homo_breast_guest数据进行预测，host使用homo_breast_host进行预测。
由于fate_python容
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
