更新时间:2022-04-16 GMT+08:00
分享

概述

联邦机器学习作业是可信智能计算服务提供的在保障用户数据安全的前提下,利用多方数据实现的联合建模。

  • 安全可信;
  • 多种训练场景;
  • 方便与已有服务对接。

使用场景

  1. 横向联邦机器学习

    横向联邦机器学习,适用于参与者的数据特征重叠较多,而样本ID重叠较少的情况,联合多个参与者的具有相同特征的多行样本进行联邦机器学习,联合建模。

  2. 模型评估

    评估训练得出的模型权重在某一数据集上的预测输出效果。

  3. 纵向联邦机器学习

    纵向联邦机器学习,适用于参与者训练样本ID重叠较多,而数据特征重叠较少的情况,联合多个参与者的共同样本的不同数据特征进行联邦机器学习,联合建模。

概念术语

  • 存储方式:是指计算节点部署时选择的存储方式,目前仅支持“主机存储”和“OBS存储”两种存储方式。前一种是指计算节点交互的数据存储在计算节点所在机器上,后一种是计算节点交互的数据存储在部署时选择的OBS桶中。
  • 工作目录:计算节点部署时选择的存储路径,用于TICS服务的数据和外部交互。用户只有在目录中放置数据集等文件,服务才能读取到;服务运行作业生成的结果、日志文件也会输出到工作目录,供用户查看、获取。

文件管理

文件管理是可信智能计算服务提供的一项管理联邦学习模型文件的功能。参与方无需登录后台手动导入模型文件,通过该功能即可将模型文件上传到工作目录,并支持批量删除。在创建联邦学习作业时可以选到上传的脚本模型等文件,提高了易用性及可维护性。

使用场景:管理联邦学习作业所需的脚本、模型、权重文件。

分享:

    相关文档

    相关产品

close