資料の 英語版 に戻るフレームワーク、融合方式、および Python のバージョン
フレームワーク、融合方式、および Python のバージョン
最終更新: 2024年11月21日
これらは、統合学習モデルで使用可能な機械学習モデル・フレームワークおよびモデル融合方式です。 ソフトウェア仕様およびフレームワークは、特定の Python バージョンとも互換性があります。
フレームワークと融合方式
以下の表に、統合学習モデルを作成するためにサポートされるソフトウェア・フレームワークをリストします。 フレームワークごとに、サポートされるモデル・タイプ、融合方式、およびハイパーパラメーター・オプションを確認できます。
| フレームワーク | モデル・タイプ | 融合方式 | 説明 | ハイパーパラメーター |
|---|---|---|---|---|
| TensorFlow ニューラル・ネットワークを構築するために使用します。 Tensorflow モデルの保存を参照してください。 |
任意 | Simple Avg | すべてのパーティーのモデル更新が等しく重み付けされるベースラインとして使用される最も単純な集約です。 | -ラウンド数 -終了述部 (オプション) -クォーラム (オプション) -最大タイムアウト (オプション) |
| Weighted Avg | 各参加者サンプルの数に基づいて更新の平均に重みづけします。 サイズが大幅に異なるトレーニング・データ・セットに使用されます。 | -ラウンド数 -終了述部 (オプション) -クォーラム (オプション) -最大タイムアウト (オプション) |
||
| Scikit-learn (SF-学習) 予測データ分析に使用されます。 Scikit-learn モデルの保存を参照してください。 |
機密区分 | Simple Avg | すべてのパーティーのモデル更新が等しく重み付けされるベースラインとして使用される最も単純な集約です。 | -丸め -終了述部 (オプション) |
| Weighted Avg | 各参加者サンプルの数に基づいて更新の平均に重みづけします。 サイズが大幅に異なるトレーニング・データ・セットに使用されます。 | -丸め -終了述部 (オプション) |
||
| 回帰 | Simple Avg | すべてのパーティーのモデル更新が等しく重み付けされるベースラインとして使用される最も単純な集約です。 |
|
|
| Weighted Avg | 各参加者サンプルの数に基づいて更新の平均に重みづけします。 サイズが大幅に異なるトレーニング・データ・セットに使用されます。 |
|
||
| XGBoost | XGBoost 分類 | XGBoost を使用する分類モデルを作成するために使用します。 | - Learning rate - Loss - Rounds - Number of classes |
|
| XGBoost 回帰 | XGBoost を使用する回帰モデルを作成するために使用します。 | - Learning rate - Rounds - Loss |
||
| K-Means/SPAHM | パーティーに異種データ・セットがある場合に、KMeans (モニターなしの学習) モデルをトレーニングするために使用されます。 | -Max Iter -N クラスター |
||
| ピトーチ ニューラル・ネットワーク・モデルの学習に使用します。 Pytorch モデルの保存を参照してください。 |
任意 | Simple Avg | すべてのパーティーのモデル更新が等しく重み付けされるベースラインとして使用される最も単純な集約です。 | - Rounds - Epochs - Quorum (Optional) - Max Timeout (Optional) |
| ニューラル・ネットワーク | Probabilistic Federated Neural Matching (PFNM) | パーティーに異機種混合のデータ・セットがある場合に、完全に接続されたニューラル・ネットワークのための通信効率のよい方式。 | - Rounds - Termination accuracy (Optional) - Epochs - sigma - sigma0 - gamma - iters |
フレームワーク別のソフトウェア仕様と Python バージョン
この表には、各フレームワークで使用可能なソフトウェア仕様と Python のバージョンがリストされています。
| watsonx.aiStudio フレームワーク | Python のバージョン | ソフトウェア仕様 | Python Client Extras | フレームワーク・パッケージ |
|---|---|---|---|---|
| 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 | 聖火 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 | 聖火 2.0.1 |
詳細情報
親トピック: IBM 統合学習