Configuration matérielle et logicielle requise pour la partie
Copy link to section
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
Copy link to section
Nécessite 4 Go de mémoire ou plus pour le matériel.
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, courirpip 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> .
Configuration requise pour le réseau
Copy link to section
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
Copy link to section
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: