Über den Einsatz von Cookies auf dieser Website Unsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten. Weitere Informationen finden Sie in Ihren. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben. Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.
System einrichten
Letzte Aktualisierung: 21. Nov. 2024
Bevor Sie IBM Federated Learning verwenden können, müssen Sie sicherstellen, dass die erforderliche Hardware, Software und Abhängigkeiten vorhanden sind.
Kernanforderungen nach Rolle
Jede Entität, die an einem Experiment für föderiertes Lernen teilnimmt, muss die Voraussetzungen für ihre Rolle erfüllen.
Voraussetzungen für Verwaltungssoftware
Legen Sie einen Administrator für das Experiment für föderiertes Lernen fest. Der Administrator muss über Folgendes verfügen:
- Zugang zur Plattform mit aktiviertem watsonx.ai Studio und watsonx.ai Runtime.
Sie müssen eine watsonx.ai Runtime-Dienstinstanz erstellen. - Ein Projekt für die Assemblierung des globalen Modells Sie müssen die watsonx.ai Runtime Service-Instanz mit Ihrem Projekt verknüpfen.
Hardware-und Softwarevoraussetzungen für Partei
Jede Partei muss über ein System verfügen, das diese Mindestanforderungen erfüllt.
Hinweis: Ferne Parteien, die an demselben Experiment für föderiertes Lernen teilnehmen, können unterschiedliche Hardwarespezifikationen und Architekturen verwenden, sofern sie jeweils die Mindestanforderungen erfüllen.
Unterstützte Architekturen
Erfordert 4 GB oder mehr Arbeitsspeicher für die Hardware.
- x86 64-Bit
- Mac M-Serie
Unterstützte Umgebungen
- Linux
- Mac OS/Unix
- Fenster
Softwareabhängigkeiten
- Eine unterstützte Python -Version und ein Machine Learning-Framework.
- Der watsonx.ai Runtime Python.
- Wenn Sie Linuxverwenden, führen Sie
pip install 'ibm_watsonx_ai[fl-rt23.1-py3.10]' - Wenn Sie Mac OS mit M-Serie-CPU und Conda verwenden:
- Zur Laufzeit 24.1, laufen
pip install ibm_watsonx_ai[fl-rt24.1-py3.11,fl-crypto-rt24.1] - Zur Laufzeit 23.1, laden Sie die Installationsskript und dann laufen
./install_fl_rt23.1_macos.sh <name for new conda environment>
- Zur Laufzeit 24.1, laufen
- Wenn Sie Linuxverwenden, führen Sie
Netzanforderungen
Eine abgehende Verbindung von der fernen Partei zum Aggregator ist erforderlich. Parteien können Firewalls verwenden, die interne Verbindungen untereinander einschränken.
Voraussetzungen für Datenquellen
Daten müssen diese Anforderungen erfüllen.
- Die Daten müssen sich in einem Verzeichnis oder Speicherrepository befinden, auf das die Partei, die sie verwendet, zugreifen kann.
- Jede Datenquelle für ein föderiertes Modell muss dieselben Features aufweisen. IBM Federated Learning unterstützt nur horizontales föderiertes Lernen.
- Daten müssen in einem lesbaren Format vorliegen, aber die Formate können je nach Datenquelle variieren. Empfohlene Formate:
- Hive
- Excel
- CSV
- XML
- Datenbank
Übergeordnetes Thema: Experiment für föderiertes Lernen erstellen
War das Thema hilfreich?
0/1000