Configuration de votre système
Avant de pouvoir utiliser IBM Federated Learning, vérifiez que vous disposez du matériel, des logiciels et des dépendances requis.
Exigences de base par rôle
Chaque entité qui participe à une expérimentation d'apprentissage fédéré doit répondre aux exigences de son rôle.
Configuration logicielle requise pour l'administration
Désignez un administrateur pour l'expérimentation d'apprentissage fédéré. L'administrateur doit avoir:
- Accès à la plateforme avec watsonx.ai Studio et watsonx.ai Runtime activés.
Vous devez créer une instance de service watsonx.ai Runtime. - Un projet pour l'assemblage du modèle global. Vous devez associer l'instance de service watsonx.ai Runtime à votre projet.
Configuration matérielle et logicielle requise pour la partie
Chaque partie doit disposer d'un système qui répond à ces exigences minimales.
Architectures prises en charge
Nécessite 4 Go de mémoire ou plus pour le matériel.
- x86 64 bits
- Mac M-série
Environnements pris en charge
- Linux
- Mac OS/Unix
- Fenêtres
Dépendances logicielles
- Une version Python prise en charge et une infrastructure d'apprentissage automatique.
- Le client Runtime Python de watsonx.ai
- Si vous utilisez Linux, exécutez
pip install 'ibm_watsonx_ai[fl-rt23.1-py3.10]' - Si vous utilisez Mac OS avec un processeur de la série M et Conda :
- Pour l'exécution 24.1, courir
pip install ibm_watsonx_ai[fl-rt24.1-py3.11,fl-crypto-rt24.1] - Pour l'exécution 23.1, téléchargez le script d'installation puis cours
./install_fl_rt23.1_macos.sh <name for new conda environment>
- Pour l'exécution 24.1, courir
- Si vous utilisez Linux, exécutez
Configuration requise pour le réseau
Une connexion sortante de la partie distante à l'agrégateur est requise. Les parties peuvent utiliser des pare-feux qui restreignent les connexions internes entre elles.
Exigences relatives aux sources de données
Les données doivent être conformes à ces exigences.
- Les données doivent se trouver dans un répertoire ou un référentiel de stockage accessible à la partie qui les utilise.
- Chaque source de données d'un modèle de fédération doit avoir les mêmes caractéristiques. IBM Federated Learning prend en charge l'apprentissage fédéré horizontal uniquement.
- Les données doivent être dans un format lisible, mais les formats peuvent varier en fonction de la source de données. Les formats suggérés sont les suivants:
- Hive
- Excel
- CSV
- langage XML
- Base de données
Rubrique parent: Création d'une expérimentation d'apprentissage fédéré