Schritt 1: Federated Learning-Experiment einrichten

Konfigurieren Sie ein Experiment für föderiertes Lernen aus einem Projekt.

1. Klicken Sie im Projekt auf Neues Asset > Modelle für verteilte Daten trainieren.
2. Benennen Sie das Experiment.
   Optional: Fügen Sie eine optionale Beschreibung und Tags hinzu.
3. Fügen Sie dem Projekt neue Mitarbeiter hinzu .
4. Wählen Sie auf der Registerkarte Konfigurieren das Trainingsframework und den Modelltyp aus. Eine Tabelle mit unterstützten Frameworks, Fusionsmethoden und ihren Attributen finden Sie unter Frameworks, Fusionsmethoden und Python -Versionen . Optional: Sie können das Feature für homomorphe Verschlüsselung aktivieren. Weitere Informationen finden Sie unter Verschlüsselung anwenden.
5. Klicken Sie unter Modellspezifikation auf Auswählen und laden Sie die .zip -Datei hoch, die Ihr Anfangsmodell enthält.
6. Auf der Registerkarte Hyperparameter definieren können Sie Hyperparameteroptionen auswählen, die für Ihr Framework und Ihre Fusionsmethode zur Optimierung Ihres Modells verfügbar sind.

Schritt 2: Fernes Trainingssystem erstellen

Erstellen Sie ferne Trainingssysteme (Remote Training Systems, RTS), die die beteiligten Parteien des Experiments authentifizieren.

1. Klicken Sie unter Select remote training systemauf Add new systems.
   

2. Konfigurieren Sie den RTS.

   RTS konfigurieren

   Feldname	Definition	Beispiel
   Ihren Namen	Ein Name zur Identifizierung dieser RTS-Instanz.	Canada Bank Model: Federated Learning Experiment
   Beschreibung (optional)	Beschreibung des Trainingssystems.	Dieses ferne Trainingssystem ist für ein Federated Learning-Experiment vorgesehen, um ein Modell für die Vorhersage von Kreditkartenbetrug mit Daten aus kanadischen Banken zu trainieren.
   Systemadministrator (Optional)	Geben Sie einen Benutzer mit Lesezugriff auf diesen RTS an. Sie können Systemdetails, Protokolle und Skripte sehen, aber nicht unbedingt am Experiment teilnehmen. Sie sollten kontaktiert werden, wenn beim Ausführen des Experiments Probleme auftreten.	Admin ([email protected])
   Zulässige Identitäten	Projektmitarbeiter auflisten, die an der Schulung zum Experiment für föderiertes Lernen teilnehmen können. In diesem RTS können mehrere Mitarbeiter registriert werden, aber nur einer kann am Experiment teilnehmen. Mehrere RTS sind erforderlich, um alle teilnehmenden Mitarbeiter zu authentifizieren.	John Doe ([email protected]) Jane Doe ([email protected])
   Zulässige IP-Adressen (Optional)	Beschränkt die Verbindung einzelner Parteien zu Federated Learning außerhalb einer angegebenen IP-Adresse. 1. Klicken Sie zum Konfigurieren auf Konfigurieren. 2. Wählen Sie für Zulässige Identitätenden Benutzer aus, für den IP-Einschränkungen gelten sollen. 3. Geben Sie unter Zulässige IP-Adressen für Benutzereine durch Kommas getrennte Liste mit IP-Adressen und/oder CIDRs ein, die eine Verbindung zum fernen Trainingssystem herstellen können. Hinweis: BeideIPv4 UndIPv6 sind unterstützt.	John 1234:5678:90ab:cdef:1234:5678:90ab:cdef: (Büro-IP von John), 123.123.123.123 (Home-IP von John), 0987.6543.21ab.cdef (IP der fernen VM) Jane 123.123.123.0/16 (Home-IP von Jane), 0987.6543.21ab.cdef (IP der fernen Maschine)
   Tags (optional)	Ordnen Sie dem fernen Trainingssystem Schlüsselwörter zu, um die Suche zu erleichtern.	Canada Bank Model Credit Fraud

3. Klicken Sie auf Hinzufügen , um die RTS-Instanz zu speichern. Wenn Sie mehrere Remote-Trainingsinstanzen erstellen, können Sie diese Schritte wiederholen.

4. Klicken Sie auf Systeme hinzufügen , um den RTS als Asset im Projekt zu speichern.

   Tipp: Sie können eine RTS-Definition für zukünftige Experimente verwenden. Auf der Registerkarte __Select remote training system__ können Sie beispielsweise ein beliebiges fernes Trainingssystem auswählen, das Sie zuvor erstellt haben.

5. Jeder RTS kann nur eine seiner zulässigen Parteiidentitäten authentifizieren. Erstellen Sie einen RTS für jede neue teilnehmende (n) Komponente (n).

Schritt 3: Starten Sie das Experiment

Starten Sie den Aggregator für föderiertes Lernen, um das Training des globalen Modells einzuleiten.

1. Klicken Sie auf Prüfen und erstellen, um die Einstellungen Ihres aktuellen Federated Learning-Experiments anzuzeigen. Klicken Sie anschließend auf Erstellen.
2. Das Experiment für föderiertes Lernen hat den Status Pending , während der Aggregator gestartet wird. Wenn der Aggregator gestartet wird, ändert sich der Status in Setup – Waiting for remote systems.

Übergeordnetes Thema: Experiment für föderiertes Lernen erstellen