Informazioni sui cookie del presente sito Per il corretto funzionamento, i nostri siti Web richiedono alcuni cookie (richiesto). Inoltre, con il suo consenso, potrebbero essere utilizzati altri cookie per l'analisi dell'utilizzo del sito, per migliorare l'esperienza utente e per scopi pubblicitari. Per ulteriori informazioni, consultare le. Visitando il nostro sito web, accettate il trattamento delle informazioni da parte nostra come descritto nelladichiarazione sulla privacy di IBM. Per consentire una corretta navigazione, le preferenze per i cookie dell'utente verranno condivise sui domini Web IBM qui elencati.
Connessione all'aggregatore (Party)
Ultimo aggiornamento: 28 nov 2024
Ciascuna parte segue questi passaggi per connettersi a un aggregatore avviato.
Aprite il progetto e fate clic sull'esperimento Federated Learning.
Fare clic su Visualizza informazioni di configurazione e fare clic sull'icona di download per scaricare lo script del connettore di partito.
Ciascuna parte deve configurare lo script del connettore di partito e fornire credenziali valide per l'esecuzione dello script. Ecco come si presenta un esempio di script del connettore di partito completato:
from ibm_watsonx_ai import APIClient wml_credentials = { "url": "https://us-south.ml.cloud.ibm.com", "apikey": "<API KEY>" } wml_client = APIClient(wml_credentials) wml_client.set.default_project("XXX-XXX-XXX-XXX-XXX") party_metadata = { wml_client.remote_training_systems.ConfigurationMetaNames.DATA_HANDLER: { "name": "MnistSklearnDataHandler", "path": "example.mnist_sklearn_data_handler", "info": { "npz_file":"./example_data/example_data.npz" } party = wml_client.remote_training_systems.create_party("XXX-XXX-XXX-XXX-XXX", party_metadata) party.monitor_logs() party.run(aggregator_id="XXX-XXX-XXX-XXX-XXX", asynchronous=False)
Parametri:
: 'api_key
La chiave API IAM. Per creare una nuova chiave API, andare su ' sito web IBM Cloud e fare clic su 'Creare una chiave API " IBM Cloud Pak for Data sotto 'Gestione > Accesso (IAM) > Chiavi API.
Opzionale: si riutilizza uno script da un altro progetto, è possibile copiare i codici aggiornati '
, 'project_id
e 'aggregator_id
dalla finestra delle informazioni di configurazione e copiarli nello script.experiment_id
Installare watsonx.ai Runtime con l'ultimo pacchetto Federated Learning, se non lo si è ancora fatto:
- Se si utilizza la serie M su un Mac, installare l'ultimo pacchetto con il seguente script:
# ----------------------------------------------------------------------------------------- # (C) Copyright IBM Corp. 2023. # https://opensource.org/licenses/BSD-3-Clause # ----------------------------------------------------------------------------------------- # # # Script to create a conda environment and install ibm_watsonx_ai with # the dependencies required for Federated Learning on MacOS. # The name of the conda environment to be created is passed as the first argument. # # Note: This script requires miniforge to be installed for conda. # usage=". install_fl_rt23.1_macos.sh conda_env_name" arch=$(uname -m) os=$(uname -s) if (($# < 1)) then echo $usage exit fi ENAME=$1 conda create -y -n ${ENAME} python=3.10 conda activate ${ENAME} pip install ibm_watsonx_ai if [ "$os" == "Darwin" -a "$arch" == "arm64" ] then conda install -y -c apple tensorflow-deps fi python - <<EOF import pkg_resources import platform import subprocess package = 'ibm_watsonx_ai' extra = 'fl-rt23.1-py3.10' extra_ = extra.replace('.','-') extra_s = '; extra == "{}"' remove = None add = [] if platform.system() == "Darwin" and platform.processor() == "arm": remove = 'tensorflow' add = ['tensorflow-macos==2.9.2'] pkgs = pkg_resources.working_set.by_key[package].requires(extras=[extra]) pkgs = [ p.__str__().removesuffix(extra_s.format(extra)).removesuffix(extra_s.format(extra_)) for p in pkgs if ( extra in p.__str__() or extra_ in p.__str__() ) and ( not remove or remove not in p.__str__() )] print( "Installing standard packages for {}[{}]:{}".format(package,extra,pkgs) ) print( "Installing additional packages:{}".format(add) ) cmd = [ 'pip', 'install'] + add + pkgs subprocess.run( cmd ) EOF
- Altrimenti installare con il seguente comando:
'pip install --index-url https://test.pypi.org/simple/ --extra-index-url https://pypi.org/simple/ 'ibm_watsonx_ai[fl-rt23.1-py3.10]'
Una volta completata la configurazione e salvato lo script del connettore di partito, immettere questo comando in una riga di comando per eseguire lo script:
python3 rts_<RTS Name>_<RTS ID>.py
Ulteriori risorse
Funzioni della libreria Federated Learning
Argomento per i genitori: Creare un esperimento di apprendimento federato
L'argomento è stato utile?
0/1000