6月11日

 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)