영어 버전 문서로 돌아가기
프레임워크, 연합 메소드 및 Python 버전
프레임워크, 연합 메소드 및 Python 버전
마지막 업데이트 날짜: 2024년 11월 21일
다음은 연합 학습 모델에 사용 가능한 기계 학습 모델 프레임워크 및 모델 융합 메소드입니다. 소프트웨어 스펙 및 프레임워크도 특정 Python 버전과 호환 가능합니다.
프레임워크 및 융합 방법
이 표에는 연합 학습 모델을 빌드하기 위해 지원되는 소프트웨어 프레임워크가 나열되어 있습니다. 각 프레임워크에 대해 지원되는 모델 유형, 연합 메소드 및 하이퍼 매개변수 옵션을 볼 수 있습니다.
| 프레임워크 | 모델 유형 | 융합 방법 | 설명 | 하이퍼매개변수 |
|---|---|---|---|---|
| TensorFlow 신경망을 빌드하는 데 사용됩니다. Tensorflow 모델 저장을 참조하십시오. |
임의 | Simple Avg | 모든 상대의 모델 업데이트가 동등하게 가중되는 기준선으로 사용되는 가장 단순한 집계입니다. | -라운드 -종료 술어 (선택사항) -쿼럼 (선택사항) -최대 제한시간 (선택사항) |
| Weighted Avg | 각 당사자 샘플 수를 바탕으로 업데이트 평균에 가중치를 줍니다. 다양한 크기의 훈련 데이터 세트에 사용하십시오. | -라운드 -종료 술어 (선택사항) -쿼럼 (선택사항) -최대 제한시간 (선택사항) |
||
| Scikit-learn 예측 데이터 분석에 사용됩니다. Scikit-learn 모델 저장을 참조하십시오. |
분류 | Simple Avg | 모든 상대의 모델 업데이트가 동등하게 가중되는 기준선으로 사용되는 가장 단순한 집계입니다. | -라운드 -Termination 술어 (선택사항) |
| Weighted Avg | 각 당사자 샘플 수를 바탕으로 업데이트 평균에 가중치를 줍니다. 다양한 크기의 훈련 데이터 세트에 사용하십시오. | -라운드 -Termination 술어 (선택사항) |
||
| 회귀분석 | Simple Avg | 모든 상대의 모델 업데이트가 동등하게 가중되는 기준선으로 사용되는 가장 단순한 집계입니다. |
|
|
| Weighted Avg | 각 당사자 샘플 수를 바탕으로 업데이트 평균에 가중치를 줍니다. 다양한 크기의 훈련 데이터 세트에 사용하십시오. |
|
||
| XGBoost | XGBoost 분류 | XGBoost를 사용하는 분류 모델을 빌드하는 데 사용합니다. | - 학습 비율 - 손실 - 라운드 - 클래스 수 |
|
| XGBoost 회귀 | XGBoost를 사용하는 회귀 모델을 빌드하는 데 사용합니다. | - 학습 비율 - 라운드 - 손실 |
||
| K-Means/SPAHM | 당사자가 이기종 데이터 세트를 보유하는 경우 KMeans(자율 학습)를 훈련하는 데 사용됩니다. | -최대 목성 -N 클러스터 |
||
| 피토치 신경망 모델 훈련에 사용됩니다. Py횃불 모델 저장을 참조하십시오. |
임의 | Simple Avg | 모든 상대의 모델 업데이트가 동등하게 가중되는 기준선으로 사용되는 가장 단순한 집계입니다. | - 라운드 - 에포크 - 쿼럼 (선택사항) - 최대 제한시간 (선택사항) |
| 신경망 | PFNM(Probabilistic Federated Neural Matching) | 당사자에게 이기종 데이터 세트가 있는 경우 완전히 연결된 신경망에 대한 통신 효율적인 방법입니다. | - 라운드 - 종료 정확성 (선택사항) - 에포크 - 시그마 - 시그마0 - 감마 - 이터 |
프레임워크별 소프트웨어 스펙 및 Python 버전
이 표에는 각 프레임워크에 사용 가능한 소프트웨어 스펙 및 Python 버전이 나열되어 있습니다.
| watsonx.ai 스튜디오 프레임워크 | Python 버전 | 소프트웨어 스펙 | Python Client Extras | 프레임워크 패키지 |
|---|---|---|---|---|
| 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 | 토치 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 | 토치 2.0.1 |
자세히 알아보기
상위 주제: IBM 연합 학습
주제가 도움이 되었습니까?
0/1000