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
- format CSV
- langage XML
- Base de données
Rubrique parent: Création d'une expérimentation d'apprentissage fédéré