![](https://img-blog.csdnimg.cn/20200614111142147.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
FATE联邦学习
文章平均质量分 78
FATE联邦学习实践记录
wendong97
这个作者很懒,什么都没留下…
展开
-
使用KubeFATE部署联邦学习开发环境
使用KubeFATE部署联邦学习开发环境使用KubeFATE部署联邦学习开发环境一、安装docker与docker-compose二、下载并解压KubeFATE1.6三、定义需要部署的实例数目四、生成集群部署文件五、将FATE部署到目标主机六、检验是否成功部署使用KubeFATE部署联邦学习开发环境最近需要测试真实场景下FATE的一些功能,在使用Docker Compose进行FATE部署时遇到了一些问题,所以总结一下步骤与解决方法。参考官方部署文档在两台服务器(1,2)上以root用户进行安装部署。原创 2021-05-20 14:06:12 · 1191 阅读 · 3 评论 -
【FATE】MNIST手写数字识别——卷积神经网络
【FATE】MNIST手写数字识别——卷积神经网络1 环境配置2 准备数据3 编辑运行配置文件3.1 搭建模型3.2 修改运行配置文件4 编辑DSL配置文件5 开始训练任务6 结果1 环境配置操作系统:macOS Sierra 10.12.6docker版本:19.03.8FATE版本:单机版1.3python版本:3.6.10tensorflow:1.15.2keras版本:2.3.02 准备数据数据的准备与上传参考上一篇文章【FATE】MNIST手写数字识别——全连接网络本次实践基于原创 2020-06-24 16:45:49 · 1710 阅读 · 0 评论 -
【FATE】MNIST手写数字识别——全连接网络
单机版FATE实现MNIST手写数字识别一、环境配置二、准备数据1. 下载数据2. 处理数据3. 上传数据(1)上传host方数据(2)上传guest方数据三、编辑运行配置文件1. 搭建模型2. 修改运行配置文件四、编辑DSL配置文件五、开始训练任务参考资料一、环境配置操作系统:macOS Sierra 10.12.6docker版本:19.03.8FATE版本:1.3python版本:3.6.10tensorflow:1.15.2keras版本:2.2.4二、准备数据1. 下载数据本文原创 2020-06-14 16:30:09 · 2767 阅读 · 12 评论 -
联邦学习框架FATE实践(训练/测试步骤及参数说明)
联邦学习框架FATE介绍(训练/测试步骤及参数说明)一、FATE概念1. 角色二、训练1. 准备2. 定义上传数据配置文件(1)参数说明:(2)示例3. 定义DSL 配置文件(1)概念(2)参数说明(3)示例4.定义运行配置文件(1)概念(2)参数说明5. 训练过程(1)上传数据(2)开始建模(3)检查日志三、测试1. 准备2. 定义预测配置文件(1)概念:(2)参数说明(3)示例3. 预测过程4. 查看预测结果5. 下载预测结果四、参考一、FATE概念1. 角色在Fate的概念中分成3种角色,Gu原创 2020-06-14 11:35:32 · 15204 阅读 · 5 评论