0 / 0
Retourner à la version anglaise de la documentation

Configuration de votre système

Dernière mise à jour : 21 nov. 2024
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:

Configuration matérielle et logicielle requise pour la partie

Chaque partie doit disposer d'un système qui répond à ces exigences minimales.

Remarque: les parties distantes participant à la même expérimentation d'apprentissage fédéré peuvent utiliser des spécifications matérielles et des architectures différentes, à condition qu'elles répondent chacune aux 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
    1. Si vous utilisez Linux, exécutez pip install 'ibm_watsonx_ai[fl-rt23.1-py3.10]'.
    2. Si vous utilisez Mac OS avec un processeur de la série M et Conda :
      1. Pour l'exécution 24.1, courirpip install ibm_watsonx_ai[fl-rt24.1-py3.11,fl-crypto-rt24.1] .
      2. Pour l'exécution 23.1, téléchargez le script d'installation puis cours./install_fl_rt23.1_macos.sh <name for new conda environment> .

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
    • format CSV
    • langage XML
    • Base de données

Rubrique parent: Création d'une expérimentation d'apprentissage fédéré