Passo 1: Configura l'esperimento Federated Learning

Impostare un esperimento Federated Learning da un progetto.

1. Dal progetto, fare clic su Nuovo asset> Addestrare modelli su dati distribuiti.
2. Denominare l'esperimento.
   Facoltativo: aggiungere una descrizione e tag facoltativi.
3. Aggiungere nuovi collaboratori al progetto.
4. Nella scheda Configura , scegli il framework di addestramento e il tipo di modello. Vedi Framework, metodi fusion e versioni Python per una tabella che elenca i framework supportati, i metodi fusion e i loro attributi. Facoltativo: è possibile scegliere di abilitare la funzione di codifica omorfa. Per ulteriori dettagli, vedi Applicazione della crittografia.
5. Fare clic su Seleziona in Specifica modello e caricare il file .zip che contiene il modello iniziale.
6. Nella scheda Definisci iperparametri , è possibile scegliere le opzioni iperparametri disponibili per il framework e il metodo fusion per ottimizzare il modello.

Passo 2: Creare il sistema di addestramento remoto

Creare RTS (Remote Training Systems) che autentica le parti partecipanti dell'esperimento.

1. In Seleziona sistema di addestramento remoto, fare clic su Aggiungi nuovi sistemi.
   

2. Configurare RTS.

   Configurazione di RTS

   Nome campo	Definizione	Esempio
   Nome	Un nome per identificare questa istanza RTS.	Canada Bank Model: Federated Learning Experiment
   Descrizione (facoltativo)	Descrizione del sistema di formazione.	Questo sistema di addestramento remoto è per un esperimento di Federated Learning per addestrare un modello per che prevede le frodi con carte di credito con i dati delle banche canadesi.
   Amministratore di sistema (facoltativo)	Specificare un utente con accesso di sola lettura a questo RTS. Possono visualizzare i dettagli del sistema, i log e gli script, ma non necessariamente partecipare all'esperimento. Dovrebbero essere contattati se si verificano dei problemi durante l'esecuzione dell'esperimento.	Admin ([email protected])
   Identità consentite	Elenca i collaboratori del progetto che possono partecipare alla formazione sull'esperimento Federated Learning. Più collaboratori possono essere registrati in questo RTS, ma solo uno può partecipare all'esperimento. Sono necessari più RTS per autenticare tutti i collaboratori partecipanti.	John Doe ([email protected]) Jane Doe ([email protected])
   Indirizzi IP consentiti (facoltativo)	Limitare la connessione delle singole parti a Federated Learning all'esterno di un indirizzo IP specificato. 1. Per configurare questo, fare clic su Configura. 2. Per Identità consentite, selezionare l'utente su cui inserire i vincoli IP. 3. Per Indirizzi IP consentiti per l'utente, immettere un elenco separato da virgole di IP e / o CIDR che possono connettersi al sistema di addestramento remoto. Nota: sono supportati IPv4 e IPv6 .	John 1234:5678:90ab:cdef:1234:5678:90ab:cdef: (IP ufficio di John), 123.123.123.123 (IP home di John), 0987.6543.21ab.cdef (IP VM remoto) Jane 123.123.123.0/16 (IP home di Jane), 0987.6543.21ab.cdef (IP macchina remota)
   Tag (facoltativo)	Associare le parole chiave al sistema di addestramento remoto per facilitarne la ricerca.	Canada Bank Model Credit Fraud

3. Fare clic su Aggiungi per salvare l'istanza RTS. Se stai creando più istanze di addestramento remote, puoi ripetere questi passi.

4. Fare clic su Aggiungi sistemi per salvare RTS come asset nel progetto.

   Suggerimento: è possibile utilizzare una definizione RTS per esperimenti futuri. Ad esempio, nella scheda __Select remote training system__, è possibile selezionare qualsiasi sistema di addestramento remoto creato in precedenza.

5. Ogni RTS può autenticare solo una delle sue identità di parte consentite. Creare un RTS per ogni nuova parte partecipante.

Fase 3: Inizia l'esperimento

Avviare l'aggregatore Federated Learning per avviare la formazione del modello globale.

1. Fare clic su Revisiona e crea per visualizzare le impostazioni dell'esperimento Federated Learning corrente. Quindi, fare clic su Crea .
2. L'esperimento Federated Learning sarà nello stato Pending mentre l'aggregatore è in fase di avvio. Quando l'aggregatore viene avviato, lo stato cambia in Setup – Waiting for remote systems.

Argomento principale: Creazione di un esperimento Federated Learning