Paso 1: Configurar el experimento de aprendizaje federado

Configure un experimento de aprendizaje federado a partir de un proyecto.

1. En el proyecto, pulse Nuevo activo > Entrenar modelos en datos distribuidos.
2. Asigne un nombre al experimento.
   Opcional: añada una descripción y etiquetas opcionales.
3. Añadir nuevos colaboradores al proyecto.
4. En la pestaña Configurar, elija la infraestructura de entrenamiento y el tipo de modelo. Consulte Infraestructuras, métodos de fusión y versiones de Python para ver una tabla que lista las infraestructuras soportadas, los métodos de fusión y sus atributos. Opcional: puede elegir habilitar la característica de cifrado homomorfo. Para obtener más detalles, consulte Aplicación de cifrado.
5. Pulse Seleccionar en Especificación de modelo y cargue el archivo .zip que contiene el modelo inicial.
6. En la pestaña Definir hiperparámetros , puede elegir las opciones de hiperparámetros disponibles para la infraestructura y el método de fusión para ajustar el modelo.

Paso 2: Crear el sistema de entrenamiento remoto

Cree sistemas de entrenamiento remotos (RTS) que autentiquen las partes participantes del experimento.

1. En Seleccionar sistema de entrenamiento remoto, pulse Añadir nuevos sistemas.
   

2. Configure el RTS.

   Configuración de RTS

   Nombre de campo	Definición	Ejemplo
   Nombre	Un nombre para identificar esta instancia de RTS.	Canada Bank Model: Federated Learning Experiment
   Descripción (Opcional)	Descripción del sistema de formación.	Este sistema de entrenamiento remoto es para un experimento de aprendizaje federado de para entrenar un modelo para predecir el fraude de tarjeta de crédito con datos de bancos canadienses.
   Administrador del sistema (opcional)	Especifique un usuario con acceso de sólo lectura a este RTS. Pueden ver detalles del sistema, registros y scripts, pero no necesariamente participan en el experimento. Se debe contactar con ellos si se producen problemas al ejecutar el experimento.	Admin ([email protected])
   Identidades permitidas	Liste los colaboradores del proyecto que pueden participar en la formación del experimento de aprendizaje federado. Se pueden registrar varios colaboradores en este RTS, pero sólo uno puede participar en el experimento. Se necesitan varios RTS para autenticar a todos los colaboradores participantes.	John Doe ([email protected]) Jane Doe ([email protected])
   Direcciones IP permitidas (Opcional)	Restrinja que las partes individuales se conecten a Federated Learning fuera de una dirección IP especificada. 1. Para configurarlo, pulse Configurar. 2. Para Identidades permitidas, seleccione el usuario en el que desea colocar las restricciones de IP. 3. Para Direcciones IP permitidas para el usuario, especifique una lista separada por comas de IP y/o CIDR que se pueden conectar al sistema de entrenamiento remoto. Nota: Se da soporte a IPv4 y a IPv6.	John 1234:5678:90ab:cdef:1234:5678:90ab:cdef: (IP de oficina de John), 123.123.123.123 (IP de inicio de John), 0987.6543.21ab.cdef (IP de VM remota) Jane 123.123.123.0/16 (IP de inicio de Jane), 0987.6543.21ab.cdef (IP de máquina remota)
   Etiquetas (Opcional)	Asocie palabras clave con el sistema de entrenamiento remoto para que sea más fácil de encontrar.	Canada Bank Model Credit Fraud

3. Pulse Añadir para guardar la instancia de RTS. Si está creando varias instancias de entrenamiento remoto, puede repetir estos pasos.

4. Pulse Añadir sistemas para guardar el RTS como un activo en el proyecto.

   Sugerencia: Puede utilizar una definición de RTS para experimentos futuros. Por ejemplo, en el separador __Select remote training system__, puede seleccionar cualquier sistema de entrenamiento remoto que haya creado anteriormente.

5. Cada RTS sólo puede autenticar una de sus identidades de parte permitidas. Cree un RTS para cada nueva (s) parte (s) participante (s).

Paso 3: Entrenar el experimento

Inicie el agregador de aprendizaje federado para iniciar el entrenamiento del modelo global.

1. Pulse Revisar y crear para ver los valores del experimento de aprendizaje federado actual. A continuación, pulse Crear.
2. El experimento de Federated Learning estará en estado Pending mientras se inicia el agregador. Cuando se inicie el agregador, el estado cambiará a Setup – Waiting for remote systems.

Tema padre: Creación de un experimento de aprendizaje federado