因为之前上传命令会自动将原始的本地文件转为DTable格式
flow data upload -c upload_data.json
注意,我使用的是新版本,新版本支持命令行直接使用
如果提示没有flow命令,那么可能没有使用提供的conda环境,解决如下:
source bin/init_env.sh
{
“data”: {
“board_url”: “http://127.0.0.1:8080/index.html#/dashboard?job_id=202108151639113656812&role=local&party_id=0”,
“job_dsl_path”: “/home/jiangbo/FATE/standalone_fate_master_1.6.0/jobs/202108151639113656812/job_dsl.json”,
“job_id”: “202108151639113656812”,
“job_runtime_conf_on_party_path”: “/home/jiangbo/FATE/standalone_fate_master_1.6.0/jobs/202108151639113656812/local/job_runtime_on_party_conf.json”,
“job_runtime_conf_path”: “/home/jiangbo/FATE/standalone_fate_master_1.6.0/jobs/202108151639113656812/job_runtime_conf.json”,
“logs_directory”: “/home/jiangbo/FATE/standalone_fate_master_1.6.0/logs/202108151639113656812”,
“model_info”: {
“model_id”: “local-0#model”,
“model_version”: “202108151639113656812”
},
“namespace”: “homo_host_breast_train”,
“pipeline_dsl_path”: “/home/jiangbo/FATE/standalone_fate_master_1.6.0/jobs/202108151639113656812/pipeline_dsl.json”,
“table_name”: “homo_breast_1_train”,
“train_runtime_conf_path”: “/home/jiangbo/FATE/standalone_fate_master_1.6.0/jobs/202108151639113656812/train_runtime_conf.json”
},
“jobId”: “202108151639113656812”,
“retcode”: 0,
“retmsg”: “success”
}
访问board_url
可以在浏览器中看到对应的详情:
对于breast_2_train.csv以及测试集合同样的过程:
测试集上传到两个参与方,并各自转换为DTable格式
{
“file”: “data/breast_2_train.csv”,
“head”: 1,
“partition”: 16,
“work_mode”: 0,
“table_name”: “homo_breast_2_train”,
“namespace”: “homo_guest_breast_train”
}
// host
{
“file”: “data/breast_eval.csv”,
“head”: 1,
“partition”: 16,
“work_mode”: 0,
“table_name”: “homo_breast_1_eval”,
“namespace”: “homo_host_breast_eval”
}
// guest
{
“file”: “data/breast_eval.csv”,
“head”: 1,
“partition”: 16,
“work_mode”: 0,
“table_name”: “homo_breast_2_eval”,
“namespace”: “homo_guest_breast_eval”
}
借助FATE,我们可以使用组件的方式来构建联邦学习,而不需要用户从新开始编码,FATE构建联邦学习Pipeline是通过自定义dsl和conf两个配置文件来实现:
dsl文件:用来描述任务模块,将任务模块以有向无环图(DAG)的形式组合在一起。
conf文件:设置各个组件的参数,比如输入模块的数据表名;算法模块的学习率、batch大小、迭代次数等。
我们本实验使用的是模型:逻辑回归
进入examples/dsl/v1/homo_logistic_regression文件夹中:
使用test_homolr_train_job_dsl.json、test_homolr_train_job_conf.json两个文件来辅助构建横向联邦学习模型
3.2.1 DSL配置文件
为了让任务模型的构建更加灵活,目前 FATE 使用了一套自定的领域特定语言 (DSL) 来描述任务。在 DSL 中,各种任务模块(例如数据读写 data_io,特征工程 feature-engineering, 回归 regression,分类 classification)可以通向一个有向无环图 (DAG) 组织起来。通过各种方式,用户可以根据自身的需要,灵活地组合各种算法模块。
DSL 的配置文件采用 json 格式,实际上,整个配置文件就是一个 json 对象 (dict)。在这个 dict 的第一级是 “components”,用来表示这个任务将会使用到的各个模块。用户需要使用模块名加数字 _num 作为对应模块的 key,例如 dataio_0,并且数字应从 0 开始计数。
具体的参数见官方文档连接(上面)
test_homolr_train_job_dsl.json:
定义了四个模块已经构成了基本的联邦学习流水线(feature_scale_0为1.6.0新增),可直接使用(复制一份)
{
“components” : {
// 数据IO组件,用于将本地数据转为DTable
“dataio_0”: {
“module”: “DataIO”,
“input”: {
“data”: {
“data”: [
“args.train_data”
]
}
},
“output”: {
“data”: [“train”],
“model”: [“dataio”]
}
},
// 特征工程模块
“feature_scale_0”: {
“module”: “FeatureScale”,
“input”: {
“data”: {
“data”: [
“dataio_0.train”
]
}
},
“output”: {
“data”: [“train”],
“model”: [“feature_scale”]
}
},
// 横向逻辑回归组件
“homo_lr_0”: {
“module”: “HomoLR”,
“input”: {
“data”: {
“train_data”: [
“feature_scale_0.train”
]
}
},
“output”: {
“data”: [“train”],
“model”: [“homolr”]
}
},
// 模型评估组件,如果未提供测试数据集则自动使用训练集
“evaluation_0”: {
“module”: “Evaluation”,
“input”: {
“data”: {
“data”: [
“homo_lr_0.train”
]
}
}
}
}
}
这里的args.train_data
是根据下面的运行配置conf
来的
其次配置文件之间的指定关系如下:
3.2.2 运行配置 Submit Runtime Conf
每个模块都有不同的参数需要配置,不同的 party 对于同一个模块的参数也可能有所区别。为了简化这种情况,对于每一个模块,FATE 会将所有 party 的不同参数保存到同一个运行配置文件(Submit Runtime Conf)中,并且所有的 party 都将共用这个配置文件。
除了 DSL 的配置文件之外,用户还需要准备一份运行配置(Submit Runtime Conf)用于设置各个组件的参数。
test_homolr_train_job_conf.json 修改如下:
{
// 创始人
“initiator”: {
“role”: “guest”,
“party_id”: 10000
},
“job_parameters”: {
“work_mode”: 0 // 0代表单机版,1代表集群版
},
// 所有参与此任务的角色
// 每一个元素代表一种角色以及承担这个角色的party_id,是一个列表表示同一角色可能有多个实体ID
“role”: {
“guest”: [
10000
],
“host”: [
10000
],
// 仲裁者
“arbiter”: [
10000
]
},
// 对于权限角色的进一步参数配置
“role_parameters”: {
“guest”: {
“args”: {
“data”: {
“train_data”: [
{
“name”: “homo_breast_2_train”, // 修改DTable的表名
“namespace”: “homo_guest_breast_train” // 修改命名空间
}
]
}
},
“dataio_0”: {
“label_name”: [“y”] // 添加标签对应的列属性名称
}
},
“host”: {
“args”: {
“data”: {
“train_data”: [
{
“name”: “homo_breast_1_train”, // 同理修改
“namespace”: “homo_host_breast_train”
}
]
}
},
“dataio_0”: {
“label_name”: [“y”] // 添加标签对应的列属性名称
},
“evaluation_0”: {
“need_run”: [
false
]
}
}
},
// 设置模型训练的超参数信息
“algorithm_parameters”: {
“dataio_0”: {
“with_label”: true,
“label_name”: “y”,
“label_type”: “int”,
“output_format”: “dense”
},
“homo_lr_0”: {
“penalty”: “L2”,
“optimizer”: “sgd”,
“tol”: 1e-05,
“alpha”: 0.01,
“max_iter”: 10,
“early_stop”: “diff”,
“batch_size”: 500,
“learning_rate”: 0.15,
“decay”: 1,
“decay_sqrt”: true,
“init_param”: {
“init_method”: “zeros”
},
“encrypt_param”: {
“method”: null
},
“cv_param”: {
“n_splits”: 4,
“shuffle”: true,
“random_seed”: 33,
“need_cv”: false
}
}
}
}
关于角色,解释如下:
-
arbiter是用来辅助多方完成联合建模的,它的主要作用是聚合梯度或者模型。比如纵向lr里面,各方将自己一半的梯度发送给arbiter,然后arbiter再联合优化等等。
-
guest代表数据应用方。
-
host是数据提供方。
-
local是指本地任务, 该角色仅用于upload和download阶段中。
3.2.3 提交参数,训练模型
Job submit
-
介绍: 提交执行pipeline任务。
-
参数:
| 编号 | 参数 | Flag_1 | Flag_2 | 必要参数 | 参数介绍 |
| :-: | — | — | — | — | — |
| 1 | conf_path | -c | –conf-path | 是 | 任务配置文件路径 |
| 2 | dsl_path | -d | –dsl-path | 否 | DSL文件路径. 如果任务为预测任务,该字段可以不输入。另外,用户可以提供可用的自定义DSL文件用于执行预测任务。 |
执行:
flow job submit -c test_homolr_train_job_conf.json -d test_homolr_train_job_dsl.json
注意:需要全部为勾号才说明运行成功
可以看到运行的结果:
为了评估模型的效果,我们重新修改配置以检查效果:
在上传数据时,我们已经将两个评估模型的数据上传,并且转换为DTable格式
现在我们修改dsl
配置文件:
{
“components” : {
“dataio_0”: {
“module”: “DataIO”,
“input”: {
“data”: {
“data”: [
“args.train_data”
]
}
},
“output”: {
“data”: [“train”],
“model”: [“dataio”]
}
},
“dataio_1”: {
“module”: “DataIO”,
“input”: {
“data”: {
“data”: [
“args.eval_data”
]
},
“model”: [“dataio_0.dataio”]
},
“output”: {
“data”: [“eval_data”]
}
},
“feature_scale_0”: {
“module”: “FeatureScale”,
“input”: {
“data”: {
“data”: [
“dataio_0.train”
]
}
},
“output”: {
“data”: [“train”],
“model”: [“feature_scale”]
}
},
“feature_scale_1”: {
“module”: “FeatureScale”,
“input”: {
“data”: {
“data”: [
“dataio_1.eval_data”
]
}
},
“output”: {
“data”: [“eval_data”],
“model”: [“feature_scale”]
}
},
“homo_lr_0”: {
“module”: “HomoLR”,
“input”: {
“data”: {
“train_data”: [ // 注意这里是指定训练数据
“feature_scale_0.train”
]
}
},
“output”: {
“data”: [
“train”
],
“model”: [“homolr”]
}
},
“homo_lr_1”: {
“module”: “HomoLR”,
“input”: {
“data”: {
“eval_data”: [ // 注意:这里是指定评估数据
“feature_scale_1.eval_data”
]
},
“model”: [ // 这里指定好模型
“homo_lr_0.homolr”
]
},
“output”: {
“data”: [
“eval_data”
],
“model”: [“homolr”]
}
},
“evaluation_0”: {
“module”: “Evaluation”,
“input”: {
“data”: {
“data”: [
“homo_lr_0.train”
]
}
}
},
“evaluation_1”: {
“module”: “Evaluation”,
“input”: {
“data”: {
“data”: [
“homo_lr_1.eval_data” // 指定评估数据集
]
}
}
}
}
}
修改conf
文件:
{
…
“role_parameters”: {
“guest”: {
“args”: {
“data”: {
“train_data”: [
{
“name”: “homo_breast_2_train”,
“namespace”: “homo_guest_breast_train”
}
],
“eval_data”: [ // 添加测试集合
{
“name”: “homo_breast_2_eval”,
“namespace”: “homo_guest_breast_eval”
}
]
}
},
“dataio_0”: {
“label_name”: [“y”]
}
},
“host”: {
“args”: {
“data”: {
“train_data”: [
{
“name”: “homo_breast_1_train”,
“namespace”: “homo_host_breast_train”
}
],
“eval_data”: [ // 添加测试集合
{
“name”: “homo_breast_1_eval”,
“namespace”: “homo_host_breast_eval”
}
]
}
},
…
}
},
…
}
重新提交任务,查看结果:
flow job submit -c test_homolr_train_job_conf.json -d test_homolr_train_job_dsl.json
DAG图:
上面的方案中有两个参与角色:
-
guest代表数据应用方。
-
host是数据提供方。
下面考虑更多的客户端参与,修改conf
文件中的role添加更多的参与方:
(这里为了方便起见,就不再对数据集根据不同的host进行进一步的划分,测试集也是如此)
{
“initiator”: {
“role”: “guest”,
“party_id”: 10000
},
“job_parameters”: {
“work_mode”: 0
},
“role”: {
“guest”: [
10000
],
“host”: [
10000, 10001, 10002 // 新建两个Host
],
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
[外链图片转存中…(img-Gt3pL9td-1712961408592)]
[外链图片转存中…(img-WXcfi9BE-1712961408593)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
[外链图片转存中…(img-AlDwlRR3-1712961408593)]
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-72MorFAJ-1712961408593)]