Quadri, metodi di fusione e versioni Python

Torna alla versione inglese della documentazione

Ultimo aggiornamento: 21 nov 2024

Quadri, metodi di fusione e versioni Python

Questi sono i quadri modello di machine learning disponibili e i metodi di fusione modello per il modello Federated Learning. La spec e i quadri software sono compatibili anche con specifiche versioni Python .

Quadri e metodi di fusione

In questa tabella sono riportati i quadri software supportati per la costruzione di modelli di Learning Federation. Per ogni framework è possibile visualizzare i tipi di modello supportati, i metodi di fusione e le opzioni di hyperparametro.

Tabella 1. Quadri e metodi di fusione
Framework	Tipo di modello	Metodo di fusione	Descrizione	Iperparametri
TensorFlow Utilizzato per creare reti neurali. Consultare Salvataggio del modello Tensorflow.	Qualsiasi	Avg semplice	Aggregazione più semplice che viene utilizzata come baseline dove gli aggiornamenti del modello di tutte le parti sono ugualmente ponderati.	- Round - predicato di terminazione (Facoltativo) - Quorum (Facoltativo) - Timeout massimo (Facoltativo)
		Avg ponderato	Ponderare la media degli aggiornamenti in base al numero di ciascun campione di parte. Utilizzare con set di dati di formazione di dimensioni ampiamente diverse.	- Round - predicato di terminazione (Facoltativo) - Quorum (Facoltativo) - Timeout massimo (Facoltativo)
Scikit - imparare Utilizzato per l'analisi dei dati predittivi. Vedi Salva il modello Scikit - imparare.	Classificazione	Avg semplice	Aggregazione più semplice che viene utilizzata come baseline dove gli aggiornamenti del modello di tutte le parti sono ugualmente ponderati.	- - predicato di terminazione (facoltativo)
		Avg ponderato	Ponderare la media degli aggiornamenti in base al numero di ciascun campione di parte. Utilizzare con set di dati di formazione di dimensioni ampiamente diverse.	- - predicato di terminazione (facoltativo)
	Regressione	Avg semplice	Aggregazione più semplice che viene utilizzata come baseline dove gli aggiornamenti del modello di tutte le parti sono ugualmente ponderati.	Round
		Avg ponderato	Ponderare la media degli aggiornamenti in base al numero di ciascun campione di parte. Utilizzare con set di dati di formazione di dimensioni ampiamente diverse.	Round
	XGBoost	Classificazione XGBoost	Utilizzare per costruire modelli di classificazione che utilizzano XGBoost.	- Tasso di apprendimento - Perdita - Rounds - Numero di classi
		Regressione XGBoost	Utilizzare per costruire modelli di regressione che utilizzano XGBoost.	- Tasso di apprendimento - Rounds - Perdita
		K-Means/SPAHM	Utilizzato per formare i modelli KMeans (apprendimento non supervisore) quando le parti hanno serie di dati eterogenei.	- Max Iter - N cluster
Pytorch Utilizzato per i modelli di rete neurali formativi. Vedi Salva il modello Pytorch.	Qualsiasi	Avg semplice	Aggregazione più semplice che viene utilizzata come baseline dove gli aggiornamenti del modello di tutte le parti sono ugualmente ponderati.	- Round - Epoche - Quorum (facoltativo) - Timeout max (facoltativo)
	Reti neurali	Probabilistic Federated Neurated Matching (PFNM)	Metodo di comunicazione - efficiente per le reti neurali completamente connesse quando le parti hanno serie di dati eterogenei.	- Round - Precisione di terminazione (facoltativo) - Epochs - sigma - sigma0 - gamma - it

Specifiche del software e Python versione per framework

In questa tabella sono riportate le versioni software spec e Python disponibili per ogni framework.

Specifiche del software e Python versione per framework
watsonx.ai Studio frameworks	Versione Python	Spec software	Python Client Extras	Pacchetto quadro
scikit-learn	3.11	runtime-24.1-py3.11	fl-rt23.1-py3.11	scikit - learn 1.1.1
Tensorflow	3.11	runtime-24.1-py3.11	fl-rt23.1-py3.11	tensorflow 2.12.0
PyTorch	3.11	runtime-24.1-py3.11	fl-rt23.1-py3.11	torcia 2.0.1
scikit-learn	3.10	runtime-23.1-py3.10	fl-rt23.1-py3.10	scikit - learn 1.1.1
Tensorflow	3.10	runtime-23.1-py3.10	fl-rt23.1-py3.10	tensorflow 2.12.0
PyTorch	3.10	runtime-23.1-py3.10	fl-rt23.1-py3.10	torcia 2.0.1

Ulteriori informazioni

Definizioni di Hyperparametro

Argomento principale: IBM Learning federato