Jede Partei oder jeder Administrator mit Mitarbeiterzugriff auf das Experiment kann das Experiment überwachen und eine Kopie des Modells speichern.
Während das Experiment ausgeführt wird, können Sie den Fortschritt des Experiments überprüfen. Nachdem das Training abgeschlossen ist, können Sie Ihre Ergebnisse anzeigen, das Modell speichern und implementieren und anschließend das Modell mit neuen Daten testen.
Experiment überwachen
Wenn alle Parteien das Parteiconnector-Script ausführen, startet das Experiment das Training automatisch. Während des Trainings können Sie ein dynamisches Diagramm des Trainingsfortschritts anzeigen. Für jede Trainingsrunde können Sie die vier Phasen einer Trainingsrunde anzeigen:
- Modell senden: Federated Learning sendet die Modellmetriken an jede Partei.
- Training: Der Prozess des lokalen Trainings der Daten. Jede Partei trainiert, um ein lokales Modell zu erstellen, das verbunden wird. Zwischen den Parteien werden keine Daten ausgetauscht.
- Modelle empfangen: Nach Abschluss des Trainings sendet jede Partei ihr lokales Modell an den Aggregator. Die Daten werden nicht gesendet und bleiben privat.
- Aggregation: Der Aggregator kombiniert die Modelle, die von den einzelnen fernen Parteien gesendet werden, zu einem aggregierten Modell.
Modell speichern
Wenn das Training abgeschlossen ist, wird ein Diagramm erstellt, das die Genauigkeit des Modells für jeden Trainingsdurchgang zeigt. Bewegen Sie den Mauszeiger über die Punkte im Diagramm, damit weitere Informationen zu den exakten Metriken eines einzelnen Punkts angezeigt werden.
Die Tabelle Trainingsdurchgänge enthält Details zu den einzelnen Trainingsdurchgängen. Die Tabelle zeigt die durchschnittliche Genauigkeit des Modelltrainings der beteiligten Parteien für jede Runde.
Wenn Sie mit der Anzeige fertig sind, klicken Sie auf Modell in Projekt speichern, um das Federated Learning-Modell in Ihrem Projekt zu speichern.
Experiment erneut ausführen
Sie können das Experiment so oft ausführen, wie Sie in Ihrem Projekt benötigen.
Wenn beim erneuten Ausführen eines Experiments Fehler auftreten, finden Sie weitere Details unter Fehlerbehebung .
Modell bereitstellen
Nachdem Sie Ihr Federated Learning-Modell gespeichert haben, können Sie das Modell wie andere Machine Learning-Modelle in einer watsonx.ai Studio-Plattform einsetzen und bewerten.
Weitere Informationen finden Sie unter Modelle bereitstellen .
Übergeordnetes Thema: Experiment für föderiertes Lernen erstellen