Zurück zur englischen Version der DokumentationFehlerbehebung bei Experimenten für föderiertes Lernen
Fehlerbehebung bei Experimenten für föderiertes Lernen
Letzte Aktualisierung: 07. Okt. 2024
Im Folgenden finden Sie einige Einschränkungen und Fehlerbehebungsmethoden, die für Experimente für föderiertes Lernen gelten.
Einschränkungen
- Wenn Sie die homomorphe Verschlüsselung aktivieren, können temporäre Modelle nicht mehr gespeichert werden. Das endgültige Modell des Trainingsexperiments kann jedoch gespeichert und normal verwendet werden. Der Aggregator kann die Modellaktualisierungen und die temporären globalen Modelle nicht entschlüsseln. Der Aggregator kann nur das endgültige globale Modell anzeigen.
Fehlerbehebung
- Wenn während der Verteilung der homomorphen Schlüssel ein Quorumfehler auftritt, starten Sie das Experiment erneut.
- Das Ändern des Namens eines Experiments für föderiertes Lernen führt dazu, dass der aktuelle Name, einschließlich früherer Ausführungen, verloren geht. Wenn dies nicht beabsichtigt ist, erstellen Sie ein neues Experiment mit dem neuen Namen.
- Die Standardsoftwarespezifikation wird bei jeder Ausführung verwendet. Wenn Ihr Modelltyp veraltet und nicht mehr mit zukünftigen Softwarespezifikationen kompatibel ist, kann die erneute Ausführung eines älteren Experiments zu Problemen führen.
- Da ferne Trainingssysteme auf verschiedenen Servern ausgeführt werden sollen, kann ein nicht erwartetes Verhalten auftreten, wenn Sie mit mehreren Parteien arbeiten, die auf demselben Server basieren.
Bekannte Probleme bei Federated Learning
Übergeordnetes Thema: IBM Federated Learning