链桨PaddleDTX系列 - 实战

PaddleDTX支持通过docker compose一键拉起测试网络。官网给出了环境需求：

• docker，推荐版本18.03+

• docker-compose，推荐版本1.26.0+

• 如果使用Mac启动服务，Docker Desktop 至少设置为4GB 运行时内存

服务启动和停止

1、一键启动脚本在PaddleDTX/scripts目录下，具体启动步骤如下：

$ git clone git@github.com:PaddlePaddle/PaddleDTX.git
$ cd PaddleDTX/scripts
$ sh network_up.sh start

支持启动基于Fabric区块链网络的DAI，命令如下：

$ sh network_up.sh start -b fabric

支持启动基于ipfs存储网络的DAI，命令如下：

$ sh network_up.sh start -s ipfs

支持三方的DNN算法，命令如下：

$ sh network_up.sh start -p true

支持界面可视化操作，启动paddledtx-visual时应指定可被浏览器访问的计算节点IP, 如在host为“106.13.169.234”的机器上启动PaddleDTX及其可视化服务，命令如下：

$ ./network_up.sh start -h 106.13.169.234

可视化服务启动之后，浏览器输入 http://106.13.169.234:8233/ 即可访问，用户使用前的节点配置参考网络启动说明

2、使用脚本可以快速销毁网络：

$ sh network_up.sh stop

销毁基于Fabric的DAI网络：

$ sh network_up.sh stop -b fabric

网络启动后，当打印 PaddleDTX starts successfully ! 即表示启动成功，用户可通过 ./paddledtx_test.sh 脚本快速体验PaddleDTX。

样本上传及任务发布

PaddleDTX当前支持纵向线性回归、纵向逻辑回归、纵向神经网络。下面以多元线性回归为例，演示训练和预测任务发布流程。

1、上传训练及预测样本文件

$ ./paddledtx_test.sh upload_sample_files

该命令共上传了14个文件，包括数据持有方A/B发布纵向线性回归、纵向逻辑回归训练和预测任务所需的8个样本文件，数据持有方A/B/C发布纵向深度神经网络训练和预测任务所需的6个样本文件。样本文件存储在xdb，并进行了双副本备份。

2、启动纵向线性回归训练任务，vlLinTrainfiles 取值为 步骤1 获取到的 Vertical linear train sample files

# 不启动模型评估
$ ./paddledtx_test.sh start_vl_linear_train -f $vlLinTrainfiles

# 启动模型评估
$ ./paddledtx_test.sh start_vl_linear_train -f $vlLinTrainfiles -e true

# 启动动态模型评估
$ ./paddledtx_test.sh start_vl_linear_train -f $vlLinTrainfiles -l true

任务发布成功后，会返回训练任务ID。模型评估默认采用k折交叉验证的评估方式，动态模型评估采用随机分割的评估方式。

3、启动纵向线性回归预测任务，vlLinPredictfiles 取值为步骤1获取到的 Vertical linear prediction sample files，linearModelTaskId 取值为步骤2返回的模型训练任务ID，发布预测任务前，请确保步骤2已经训练完成

$ ./paddledtx_test.sh start_vl_linear_predict -f $vlLinPredictfiles -m $linearModelTaskId

预测任务计算较快，计算完成会自动下载预测结果，并计算预测效果指标RMSE。

4、用户可查看任务状态，taskID为计算任务ID

$ ./paddledtx_test.sh gettaskbyid -i $taskID 

纵向逻辑回归和神经网络的操作类似，不再赘述。