Fate

隐私计算 FATE - 多分类神经网络算法测试

一、说明本文分享基于Fate使用横向联邦神经网络算法对多分类的数据进行模型训练，并使用该模型对数据进行多分类预测。
Xiaohong0716·2022-12-29 16:55

FATE组件信息

图1fate整体架构图1.Eggroll1.1.架构图图2eggroll架构图1.2.测试结果命令：python-munittesttest_roll_pair.TestRollPairCluster-
军520军·2022-12-28 23:48

3节点Fate集群实战记录 -- 纵向联邦学习

前一篇博客记录了3节点fate集群实现横向联邦学习的实践过程link，本篇接着记录纵向联邦学习的实践过程，其中有些简单步骤未详细列出，具体执行方法可以参考上篇博客。
Acecai01·2022-12-28 23:12

反卷积 和 转置卷积

http://blog.csdn.net/fate_fjh/article/details/528821341.前言传统的CNN网络只能给出图像的LABLE，但是在很多情况下需要对识别的物体进行分割实现
看不见我呀·2022-12-27 18:05

联邦学习开源框架简介

0、FATE平台该平台是微众银行开发的，是全球第一个联邦学习工业级开源框架。不管是对初级人门者，还是联邦学习产品级系统的开发人员，FATE都是一个非常合适的选择。
清韵逐梦·2022-12-26 07:22

使用Docker-Compose方式部署KubeFATE集群

目录1目标2准备工作2.1两个虚拟机的配置2.2安装Docker和Docker-Compose2.3网络互通2.4下载FATE各组镜像2.5安装KubeFATE3用DockerCompose部署FATE3.1
charlessun9·2022-12-24 07:28

使用python pipeline 实现FATE三方横向逻辑回归

本文是基于微众开发的FATE联邦学习平台，进行一个三方的横向逻辑回归实验。且使用pipeline进行流程搭建与模型训练，代替书写dsl和conf的json文件的方法，使得整个流程更加简洁、方便。
charlessun9·2022-12-24 07:28

Fate横向联邦学习-训练评估

1.准备上传数据我们直接使用Fate提供的案例数据目录在examples/data/breast_homo_guest.csv、examples/data/breast_homo_host.csv、这里上传数据需要准备
培根芝士·2022-12-22 06:22

FATE联邦学习笔记（一）

学习联邦学习的概念及方法，尝试微众银行FATE框架。本节主要是记录从官方微信群得到的回答及修改结果。
Doodlera·2022-12-22 06:22

用Spark计算引擎执行FATE联邦学习任务

题图摄于北京前门（本文作者系VMware中国研发云原生实验室工程师，联邦学习开源项目KubeFATE/FATE-Operator维护者。）
普通网友·2022-12-22 06:21

联邦学习开源框架FATE新版本发布！配套引擎EggRoll更新，联邦应用场景再拓展

如何在保证本地训练数据不公开的前提下，实现多个数据拥有者协同训练一个共享的机器学习模型？传统的机器学习方法需要将所有的数据集中到一个地方（例如数据中心），然后进行机器学习模型的训练。但这种基于集中数据的做法无疑会严重侵害用户隐私和数据安全。如今，世界上越来越多的人开始强烈要求科技公司必须根据用户隐私法律法规妥善地处理用户的数据，欧盟的《通用数据保护条例》是一个很好的例子。而联邦学习这门技术，则可以
微众AI·2022-12-22 06:21

使用FATE在两台机器实现横向联邦学习的逻辑回归任务

、横向联邦学习1.数据处理2.数据上传3.修改训练用配置文件（在机器B上）4.提交任务进行训练（在机器B上）三、模型评估1.修改配置文件2.提交任务进行训练3.查看评估结果四、删除部署一、环境准备关于FATE
嘉然然·2022-12-22 06:20

Fate集群 | 基于MNIST数据集的模型训练+模型预测 详细过程

host方2）guest方2、构建模型3、修改配置文件1）DSL简介2）DSL配置文件3）运行配置文件4、提交任务，训练模型三、模型预测1、修改配置文件2、模型部署3、运行配置文件4、进行模型预测基于Fate
VV一笑ヽ·2022-12-22 06:20

k8s安装3节点的联邦学习Fate集群 v1.7.2（全网最细-解决N多坑）

采用k8s，而非minikube,在3个centos系统的节点上安装fate集群。
Acecai01·2022-12-22 06:19

k8s安装3节点集群Fate v1.8.0

采用k8s，而非minikube,在3个centos系统的节点上安装fate集群。本人安装这个v1.8.0版本后，能登陆fateboard，但无法传输数据，问题无法解决。
Acecai01·2022-12-22 06:49

3节点Fate集群实战记录（全网最详细）--横向联邦学习

集群配置集群的三台服务器分别部署了fate-10000,fate-9999,fate-9998命名空间，集群的具体部署情况请转：link查看。
Acecai01·2022-12-22 06:48

FATE学习：五种不同的API提交FATE任务

综述当前支持如下五种API来提交FATE任务，分别为：CLIAPI：通过python启动python脚本fate_flow_client.py，提交FATE任务。
喵十八·2022-12-17 21:42

联邦学习开源框架FATE

FATE(FederatedAITechnologyEnabler)是微众银行AI部门发起的全球首个联邦学习工业级开源框架，可以让企业和机构在保护数据安全和数据隐私的前提下进行数据协作。
培根芝士·2022-12-17 21:37

联邦学习FATE框架安装搭建

联邦学习FATE(FederatedAITechnologyEnabler)是微众银行AI部门发起的开源项目，为联邦学习生态系统提供了可靠的安全计算框架。
小陈运维·2022-12-17 21:00

全球首个工业级联邦学习开源平台FATE：邀请社区开发者和用户参与

题图摄于故宫（我们正在参与FATE开源社区里面的工作，也欢迎联邦学习、隐私计算等领域的开发者和用户，来与我们合作或参与项目。）
普通网友·2022-12-17 20:28

Fate核心架构层安全协议Secure Protocols

目录零、介绍一、Paillier同态加密二、仿射性同态三、RSA四、可交换加密五、秘密共享六、OT零、介绍要了解fate的内部算法，安全协议是必不可少的部分，本文根据fate官方的安全协议来进行阐述。
牛三金·2022-12-17 20:28

FATE使用笔记

FATE使用笔记一、上传数据1.1上传数据配置文件1.2上传数据命令二、任务配置和运行配置2.1DSL配置文件2.1.1DataIO2.2运行配置SubmitRuntimeConf2.2.1dsl_version
熊林顿蹲·2022-12-17 20:28

联邦学习框架FATE实践（训练/测试步骤及参数说明）

联邦学习框架FATE实践（训练/测试步骤及参数说明）一、FATE概念1.角色二、训练1.准备2.定义上传数据配置文件（1）参数说明：（2）示例3.定义DSL配置文件（1）概念（2）参数说明（3）示例4．
wendong97·2022-12-17 20:52

隐私计算--29--联邦学习平台FATE实践

一、FATE平台介绍FATE是全球首个联邦学习工业级开源框架，其基于Python开发，可以让企业和机构在保护数据安全和数据隐私的前提下进行数据协作。
武天旭·2022-12-17 20:51

FATE开源项目向可信联邦学习进发

题图摄于北京798艺术区2019年初，微众银行开源了全球首个工业级联邦学习框架FATE（FederatedAITechnologyEnabler），大幅降低联邦学习的应用门槛。
普通网友·2022-12-14 14:42

杨强教授：希望2022年实现从联邦学习到可信联邦学习的跨越

关注联邦学习的朋友，推荐使用FATE开源项目开发联邦学习应用。导读随着隐私计算相关政策的落地和商业化进程加快，隐私计算技术也在需求端推动下快速迭代。可预见2022年将是一个新的分水岭。
普通网友·2022-12-14 14:42

Fate单机部署（docker版本）

文章目录1.常用网址2.环境配置3.docker单机部署核心4.部署流程4.1基本配置4.2安装docker镜像4.3获取资源并部署4.4测试4.4.1单元测试4.4.2Toy测试4.5安装FATE-Client
一览天下945·2022-12-05 00:17

联邦学习开源框架FATE LTS版本发布，全新客户端套件助力高效开发

我们VMware云原生实验室的团队在参与联邦学习领域的开源项目FATE和KubeFATE的贡献，帮助用户应对连接数据孤岛、打破部门墙的挑战，即解决人工智能的最后一公里的问题。
普通网友·2022-12-01 17:06

【联邦学习实战】基于FATE框架的MNIST手写数字识别——卷积神经网络

基于FATE框架的MNIST手写数字识别——卷积神经网络前言1.下载MNIST数据集1.1KagglePython格式转换2.数据集分割3.数据集上传3.1docker上传3.2rz工具3.3FATE数据上传
HERODING23·2022-11-27 04:57

隐私计算 FATE - 多分类神经网络算法测试

一、说明本文分享基于Fate使用横向联邦神经网络算法对多分类的数据进行模型训练，并使用该模型对数据进行多分类预测。
微服务 spring cloud·2022-11-25 20:16

隐私计算 FATE - 多分类神经网络算法测试

一、说明本文分享基于Fate使用横向联邦神经网络算法对多分类的数据进行模型训练，并使用该模型对数据进行多分类预测。
Xiaohong0716·2022-11-23 08:26

pycharm调试FATE手册

单机部署文档-在主机安装FATEfate版本是1.6.1参考：https://fate.readthedocs.io/en/latest/_build_temp/standalone-deploy/README.html
路新航·2022-11-22 06:38

白玉兰开源携手希尔贝壳等30余家学界业内先锋发布《中国人工智能软件基础设施高质量发展报告》

参与调研的单位包括上海交通大学人工智能研究院、木兰开源社区、OpenVINO中文社区、飞桨社区、英特尔、阿里云、亚马逊云科技、腾源会、微软Reactor、昇思MindSpore社区、FATE社区、BigDL
希尔贝壳AISHELL·2022-11-21 05:07

（四）FATE框架AllinOne集群部署

本文通过部署指南对转载原文进行了适当修改。会用**(作者的话)**标识。一、准备1、硬件准备一台至少12核CPU、24G内存、1T硬盘（最好SSD）和一个不低于10MB能上互联网的网络。（最好能满足上面的条件，要不然即使安装的没有问题，也可能跑不起来）。（由于在家，只能用笔记本电脑部署学习，倒也是可以通过测试，没办法，暂时只能如此。我的电脑是8核，16G内存，512G硬盘）2、软件Xshell、V
Limeym·2022-11-20 10:55

（五）联邦学习、FATE、DSL学习记录

一、联邦学习背景：人工智能的危机在大多数行业中，数据以孤岛的形式存在。如何在满足用户隐私保护、数据安全和政府法规的前提下，进行跨组织的数据合作。什么是联邦学习举例来说，假设有两个不同的企业A和B，它们拥有不同数据。比如，企业A有用户特征数据；企业B有产品特征数据和标注数据。这两个企业按照上述GDPR准则是不能粗暴地把双方数据加以合并的，因为数据的原始提供者，即他们各自的用户并没有机会来同意这样做。
Limeym·2022-11-20 10:25

（三）FATE训练任务流程

配置文件①上传数据文件让FATE使用数据②dsl文件构建建模任务实际上，在构建建模任务时，可能会涉及到几个组件，
Limeym·2022-11-20 10:25

（一）CentOS7下的FATE框架单机部署

weixin_47287141/article/details/108716845https://blog.csdn.net/Ivan_Lee8023/article/details/116378431FATE
Limeym·2022-11-20 10:55

联邦学习开源框架调研

文章目录1.FATE1.1FederatedML算法列表1.2FATEServing1.3FATEFlow1.4FATEBoard1.5FederatedNetwork1.6KubeFATE2.PySyft3
李代数·2022-11-02 22:33

Pysyft学习笔记一：dome思路

Pysyft是一个比较适合学习FL学习小白的开源框架，相比与FATE的高封装性，Pysyft提供了更高的自由度。
一只特立独行的猫·2022-11-02 22:02

联邦学习开源框架方案选型

无知者：【联邦学习开源框架】FedLab-加速FL算法验证联邦学习开源框架FedLab相关FATE单位：微众银行github:https://github.com/FederatedAI/FATEstar
麦晓宇·2022-11-02 22:00

联邦学习开源框架

来源：https://zhuanlan.zhihu.com/p/387101962FATE单位：微众银行github:https://github.com/FederatedAI/FATEstar：3.2kdocs
联邦学习的道路上·2022-11-02 22:30

docker-compose升级（转发）

最近在使用docker-compose部署fate的时候，因docker-compose版本太久不支持health-check的语法，出现了报错。
杰森斯坦德彪·2022-09-07 17:33

关于南汀烟火，关于国境以南

它不像“fate”那样命中注定，不像“destiny”那样有目标性，它是在毫无期待漫无目的的行走中突然遇到的美好，是分外的惊喜。在里与春风铁人不期而遇，是serendipity。
曾楚河·2022-08-21 02:29

极客星球 | FATE联邦学习框架理论与应用初探

一、背景随着大数据、云计算等技术的发展，数据隐私安全问题受到越来越多的重视，各国都在加强数据安全和隐私保护。中国在2017年实施的《中华人民共和国网络安全法》要求网络运营者不得泄露、篡改、毁坏收集的个人信息，并且在于第三方进行数据交易时需要确保合同明确约定拟交易数据的范围和数据保护义务。欧盟也在2018年实施了法案《通用数据保护条例》(GeneralDataProtectionRegulation
MobTech袤博科技·2022-08-19 18:07

FATE使用手册

FATE简介FATE（FederatedAITechnologyEnabler）是微众银行AI部门发起的一个开源项目，旨在提供一个安全的计算框架来支持联邦AI生态系统。
路新航·2022-08-11 14:40

每日英文：Fate（命运）

每个人的命运都掌握在自己的手中。每个人都可以扼住命运的喉咙，骄傲自信地掌控自己的生活。FateOrdinaryonelifepersongoestopayahonorifictitleforaBuddhistmonkavisitwiththequestiontodestiny,heasksahonorifictitleforaBuddhistmonk:“Doyouhavedestinyjoking
紫晶Apple·2022-08-02 22:24

联邦学习综述（二）——联邦学习的分类、框架及未来研究方向

文章目录第三章联邦学习分类3.1横向联邦学习3.2纵向联邦学习3.3联邦迁移学习第四章联邦学习框架4.1开源框架介绍4.2FATE——企业级框架第五章未来研究方向5.1安全性5.2激励机制5.3有效性和效率第三章联邦学习分类前两章对联邦学习的定义并没有讨论如何具体地设计一种联邦学习的实施方案
.别拖至春天.·2022-07-25 14:38

（转载）联邦学习 Federated Learning 相关资料整理

https://blog.csdn.net/Sinsa110/article/details/90697728代码微众银行+杨强教授团队的联邦学习FATE框架代码：https://github.com/
浅若清风cyf·2022-07-16 07:08

【阅读笔记】联邦学习实战第5章——用FATE从零实现横向逻辑回归v1.8.0

目录前言1.Dock镜像部署FATE1.1安装Centos和虚拟机1.2安装Docker和Docker-compose1.3FATE安装2.FATE编程范式3.用FATE实现横向逻辑回归3.1数据集获取
charlessun9·2022-07-16 07:20

隐私计算FATE-离线预测

一、说明Fate的模型预测有离线预测和在线预测两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用Fate基于纵向逻辑回归算法训练出来的模型进行离线预测实践
zlt2000·2022-07-08 18:34
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他