Guest
- 建模流程往往由Guest发起。Guest基于自身的业务需求和数据情况,决定需要构建什么样的模型,以及如何利用数据进行建模。
- 通过联邦学习的方式,Guest可以在不直接访问原始数据的情况下,利用其他参与方(如Host)的数据进行建模。通过共享模型的梯度、参数等信息,而不是直接共享原始数据。有效保护了数据的隐私性和安全性
- 在横向联邦学习中,由于各方数据是水平分割的,因此每个参与方(包括Host)都会独立训练自己的模型,并通过聚合梯度或模型参数的方式进行联合优化。
读取output模型
在fate_flow中找到的output_model可用tar解压
import pickle
# 打开一个文件用于读取
with open('data.pkl', 'rb') as f:
# 使用pickle.load()从文件中读取序列化的对象并还原为原来的Python对象
loaded_data = pickle.load(f)
# 打印加载的数据
print(loaded_data)