Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 06. 7. 2023
Jedná se o dostupné modelové rámce pro výuku strojového kódu a modelové metody jaderné syntézy pro model produktu Federated Learning. Specifikace softwaru a rámce jsou také kompatibilní se specifickými verzemi Python .
Rámce a metody jaderné syntézy
V této tabulce jsou uvedeny podporované softwarové rámce pro sestavování federovaných výukových modelů. Pro každý rámec je možné zobrazit podporované typy modelů, metody fúze a volby hyperparametru.
| Rámce | Typ modelu | Metoda sloučení | Popis | Hyperparametry |
|---|---|---|---|---|
| TensorFlow Používá se k vytváření nervových sítí. Viz téma Uložit model Tensorflow. |
Jakékoli | Jednoduchý průměr | Nejjednodušší agregace, která se používá jako základna, kde jsou stejně váženy všechny aktualizace modelu všech stran. | -Rounds -Predikát ukončení (Volitelné) -kvorum (volitelné) -Maximální časový limit (volitelné) |
| Vážený průměr | Váží průměrný počet aktualizací na základě počtu ukázkových stran. Používejte se vzdělávacími datovými sadami s velmi odlišnými velikostmi. | -Rounds -Predikát ukončení (Volitelné) -kvorum (volitelné) -Maximální časový limit (volitelné) |
||
| Scikit-učit se Používá se pro prediktivní analýzu dat. Viz Uložit Scikit-učit se model. |
Klasifikace | Jednoduchý průměr | Nejjednodušší agregace, která se používá jako základna, kde jsou stejně váženy všechny aktualizace modelu všech stran. | -Round -Predikát ukončení (volitelné) |
| Vážený průměr | Váží průměrný počet aktualizací na základě počtu ukázkových stran. Používejte se vzdělávacími datovými sadami s velmi odlišnými velikostmi. | -Round -Predikát ukončení (volitelné) |
||
| Regrese | Jednoduchý průměr | Nejjednodušší agregace, která se používá jako základna, kde jsou stejně váženy všechny aktualizace modelu všech stran. |
|
|
| Vážený průměr | Váží průměrný počet aktualizací na základě počtu ukázkových stran. Používejte se vzdělávacími datovými sadami s velmi odlišnými velikostmi. |
|
||
| XGBoost | Klasifikace XGBoost | Používá se k sestavení modelů klasifikace, které používají modul XGBoost. | -Míra výuky -Ztráta -Cykly -Počet tříd |
|
| Regrese XGBoost | Používá se k sestavení regresních modelů, které používají XGBoost. | -Míra výuky -Náboje -ztráta |
||
| K-Means/SPAHM | Používá se k výcviku modelů KMeans (bez dozoru), když strany mají heterogenní datové sady. | -Max Iter -N klastr |
||
| Pytorch Používá se pro tréninkové modely neuronové sítě. Viz Uložit model Pytorch. |
Jakékoli | Jednoduchý průměr | Nejjednodušší agregace, která se používá jako základna, kde jsou stejně váženy všechny aktualizace modelu všech stran. | -Rounds -Epochs -kvorum (volitelné) -Maximální časový limit (volitelné) |
| neuronové sítě | Probamistická sdružená nedurální shoda (PFNEM) | Komunikační efektivní metoda pro plně připojené nervové sítě, když strany mají heterogenní datové sady. | -Rounds -Přesnost ukončení (volitelné) -Epochs -sigma - sigma0 -gama -prvky |
Specifikace softwaru a verze Python podle rámce
Tato tabulka obsahuje seznam specifikací softwaru a verzí Python dostupných pro každý rámec.
| Struktury produktu Watson Studio | Verze produktu Python | Specifikace softwaru | Doplňky klienta Python | Balík rámce |
|---|---|---|---|---|
| scikit-learn | 3.10 | runtime-22.2-py3.10 | fl-rt22.2-py3.10 | scikit-informace 1.1.1 |
| Tensorflow | 3.10 | runtime-22.2-py3.10 | fl-rt22.2-py3.10 | tensorflow 2.9.2 |
| PyTorch | 3.10 | runtime-22.2-py3.10 | fl-rt22.2-py3.10 | pochodeň 1.12.1 |
Další informace
Nadřízené téma: IBM Federated Learning