FATE框架学习笔记

最新推荐文章于 2024-08-26 10:08:17 发布
最新推荐文章于 2024-08-26 10:08:17 发布
阅读量3.6k 收藏 10
点赞数 1
分类专栏： FATE学习笔记 文章标签： FATE
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43031607/article/details/99361059
版权

FATE框架学习笔记

因缘巧合之下，和同学一起组队参加了，FinTechathon 微众银行首届金融科技高校技术大赛
https://fintech.webank.com/fintechathon/campus2019/
从理解联邦学习概念，到搭建FATE框架，再到实现种种算法，都遇到了很多问题。深感前沿研究的艰辛，向你们致以万分敬意。
本着回忆方便，以及方便后来人，特写下此博客。

联邦学习基本概念

能够保障安全隐私的大数据算法「联邦学习」到底是什么?
FATE 框架 github平台（仅支持linux/unix）
Federated Learning 的一些基本知识和分类

FATE平台环境搭建过程

长立亦长青
关注
专栏目录
FATE框架的安装及简单测试
weixin_43537192的博客
06-13 939
FATE框架的安装及简单测试 加入Docker组并进行测试 加入Docker组 获取root权限后，键入 下面展示一些 内联代码片。 // your-user改为自己的账户名 sudo usermod -aG docker $your-user // your-user改为自己的账户名 mv -i /home/zhanglongyuan/zhanglongyuan/Webank/docker_standalone-fate-1.4.0.tar.gz ./ tar -xzvf docker_standalo
Fate部署实战——从零开始实现Fate cluster部署，如何系统全面性学习Python语言
m0_61067876的博客
04-21 952
🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
联邦学习fate框架入门
Young_____Hu的博客
10-20 817
联邦学习fate
Fate 开源项目教程
最新发布
gitblog_00587的博客
08-26 267
Fate 开源项目教程 fateFate is a modern science chinese name create tool. 项目地址:https://gitcode.com/gh_mirrors/fate/fate 项目介绍 Fate 是一个专注于联邦学习（Federated Learning）的开源框架，旨在提供一个安全、高效、易于部署的联邦学习解决方案。联邦学习是一种分布式机器学习...
【联邦学习Fate架构讲解】
qq_45467608的博客
03-19 2328
【代码】【联邦学习Fate架构讲解】
学习笔记(04):从零开始详解联邦学习FATE开源平台-FATE架构详解与系统实践
Vanfzp的博客
02-24 1994
联邦学习FATE框架安装
小小魔姬
08-21 596
下载standalone-fate-master-1.2.0： curl -O https://webank-ai-1251170195.cos.ap-guangzhou.myqcloud.com/standalone-fate-master-1.2.0.tar.gz tar -zxvf standalone-fate-master-1.2.0.tar.gz 启动fate-flow-server： 在PyCharm使用python3启动standalone-fate-master-1.2.0/fate_f
天池龙珠训练营-机器学习学习笔记-03 LightGBM 分类
qinqinwawa的博客
06-03 360
天池龙珠训练营-机器学习学习笔记-03 LightGBM 分类 本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容，学习链接为：训练营 一 原理简介： 它是一款基于GBDT（梯度提升决策树）算法的分布式梯度提升框架，为了满足缩短模型计算时间的需求，LightGBM的设计思路主要集中在减小数据对内存与计算性能的使用，以及减少多机器并行计算时的通讯代价。 LightGBM可以看作是XGBoost的升级豪华版，在获得与XGBoost近似精度的同时，又提供了更快的训练速度与更少的内存消耗。 LightGBM的主
用Spark计算引擎执行FATE联邦学习任务
亨利笔记
01-31 700
题图摄于北京前门（本文作者系 VMware 中国研发云原生实验室工程师，联邦学习开源项目KubeFATE / FATE-Operator 维护者。）需要加入KubeFATE开源项目讨论...
KubeFATE v1.7和FATE v1.7 的特色功能介绍
亨利笔记
12-28 896
题图摄于美国国家公园FATE (Federated AI Technology Enabler）是全球首个联邦学习工业级开源框架，它提供一种基于数据隐私保护的安全计算框架，为机器学习、深...
从Native到Web(六), emscripten学习笔记: SDL游戏移植尝试
逍遥剑客
05-08 6326
大体浏览过emscripten的那一堆demo后, 心想试试移植个游戏试试, 顺便体验下这项技术的实用程度首先尝试了Onescripter, 因为手头上有可以编译运行的FateStayNight. 在工程配置中增加新的Platform: Emscripten, 并选择编译成可以执行的html编译提示缺少bzlib.h, 增加libbz2工程(开源), 注意这个就需要编译.bc库了(相当于.lib)
FATE-master.zip
07-29
杨强 联邦学习框架。
FATE实战：腾讯高级工程师揭秘，快速离线安装kubernetes和FATE
FedAI联邦学习的博客
12-26 724
引言：10月31日，FATE v1.1版本正式发布。在这个版本中，FATE联合VMware中国研发开放创新中心云原生实验室的团队一起搞了个“大事”——发布了KubeFATE项目，通过把FATE的所有组件用容器的形式封装，实现了使用Docker Compose或Kubernetes（Helm Charts）来部署。这则特邀分享的内容将为大家介绍，如何离线安装kubernetes和FATE。 准备y...
FATE框架实战（一）
weixin_44379605的博客
04-23 945
1.1安装 我用的docker的方式 #Get code wget https://webank-ai-1251170195.cos.ap-guangzhou.myqcloud.com/docker_standalone_fate_${version}.tar.gz tar -xzvf docker_standalone_fate_${version}.tar.gz #Execute the command cd docker_standalone_fate_${version} bash inst
FATE联邦学习开源平台V2.1.0学习笔记(一)：使用PyPI安装部署单机版FATE-2.1.0
小白（啥都学）
06-12 1795
联邦学习FATE开源框架学习
Fate部署实战——从零开始实现Fate cluster部署，代码设计思路 示例
m0_60666841的博客
04-15 1116
点击“IPv4设置”，方法设置为“手动”，点击“Add”，增加IP地址，如下图，ip地址为“192.168.65.161”，另一台的ip地址设置为192.168.65.162，子网掩码和网关相同都，分别设置为“24”和“192.168.65.2”（这个网关我们在前面提到过）。我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。1、目前脚本部署只支持2方设置证书认证。
从零开始详解联邦学习FATE开源平台
02-11
<img src="https://img-bss.csdn.net/202002111121343047.png" alt="" />
联邦学习框架FATE使用案例记录
热门推荐
weixin_38009252的博客
12-05 1万+
联邦学习框架FATE使用案例记录1横向联邦学习案例实验设置文件说明实验步骤 本文记录了FATE框架中横向和纵向联邦学习的案例使用，并与笔者近期使用过的谷歌TFF(TensorFlow-Federated)框架对比，阐述使用感受。 1横向联邦学习案例 在本节中，以逻辑回归为例记录横向联邦学习案例使用。 实验设置 数据集：信用数据，位置FATE/examples/data/default_credit...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值