-
联邦学习
可以预见的是,微众AI团队针对的情景,要比Google的情景更加具有普适性,也更符合未来大数据、多企业的应用需求。下图展示了FTL的应用情景。解释:假设我们现有的A和B两个企业的数据,它们的服从上图的特征和样本维度。
-
场景描述 - 可信智能计算服务 TICS
根据前一篇文章,企业A已经通过可信联邦学习功能训练出了一个预测客户时候是高价值用户的模型。 本文主要介绍企业A和大数据厂商B如何通过已有的模型对新的业务数据进行预测。 父主题: 使用TICS联邦预测进行新数据离线预测
-
舰队开通联邦校验失败,或者联邦开通后添加集群校验失败,如何解决? - 华为云UCS
舰队开通联邦校验失败,或者联邦开通后添加集群校验失败,如何解决? 问题背景 舰队开通集群联邦功能后,UCS服务会把当前舰队已存在的集群及新加入到舰队的集群自动添加到联邦中。
-
联邦学习在多任务学习中的应用
引言 联邦学习作为一种分散式学习方法,在多个参与方之间共同训练机器学习模型的同时保护数据隐私,近年来在人工智能领域内得到了广泛的关注和应用。本文将探讨联邦学习在多任务学习中的应用,结合实例详细介绍其背景、技术实现、部署过程以及相关代码示例,帮助读者深入理解和应用这一前沿技术。
-
编辑代码(WebIDE) - 网络智能体
可选择下述一种方式,进入WebIDE开发环境编辑代码: 在“模型训练”菜单页面,“开发环境”为WebIDE环境的情况下,单击联邦学习工程所在行的。。 在“模型训练”菜单页面,单击联邦学习工程所在行,进入详情界面。“开发环境”为WebIDE环境的情况下,单击详情界面右上角的图标。
-
创建横向训练型作业 - 可信智能计算服务 TICS
在左侧导航树上依次选择“作业管理 > 可信联邦学习”,打开可信联邦学习作业页面。 在“可信联邦学习”页面,单击“创建”。 图1 创建作业 在弹出的对话框中配置作业名称相关参数,完成后单击“确定”。 图2 新建作业 在弹出的界面,继续配置联邦训练作业的参数,参数配置参考表1。
-
联邦学习——简记
参考文章:快速了解联邦学习技术及应用实践 相关论文推荐: 微众银行AI团队联邦学习相关论文下载地址
-
场景描述 - 可信智能计算服务 TICS
父主题: 横向联邦学习场景
-
创建横向评估型作业 - 可信智能计算服务 TICS
参数配置完成后,单击保存,完成可信联邦学习任务的创建。 父主题: 可信联邦学习作业
-
域名访问 - 华为云UCS
域名访问 在多个集群中部署的应用可以通过公网域名实现统一的访问。您可以配置您的公网域名,UCS服务会以此域名作为根域名生成一个完整的应用外部访问域名。您可以通过发布域名访问,将服务,路由自动对接到华为云云解析DNS服务,以提供多云场景下应用的统一对外访问路径。
-
联邦预测作业 - 可信智能计算服务 TICS
联邦预测作业 概述 批量预测 实时预测 查看作业计算过程和作业报告
-
下载联邦kubeconfig - 华为云UCS
下载联邦kubeconfig 功能介绍 舰队开通联邦并且创建网络连接之后,可以使用此接口下载联邦的kubeconfig URI POST /v1/clustergroups/{clustergroupid}/kubeconfig 表1 路径参数 参数 是否必选 参数类型 描述 clustergroupid
-
启用容器舰队联邦 - 华为云UCS
启用容器舰队联邦 功能介绍 启用容器舰队联邦 URI POST /v1/clustergroups/{clustergroupid}/federations 表1 路径参数 参数 是否必选 参数类型 描述 clustergroupid 是 String 容器舰队id 表2 Query
-
IdP initiated方式 - 统一身份认证服务 IAM
前提条件 企业IdP服务器支持IdP Initiated方式的联邦认证。 客户端需要安装python模块beautifulsoup4。 流程图 IdP initiated联邦认证的流程如下图所示。
-
编辑代码(简易编辑器) - 网络智能体
父主题: 创建联邦学习工程
-
实验结果 - 可信智能计算服务 TICS
实验结果 乳腺癌数据集作业结果 父主题: 横向联邦学习场景
-
联邦学习
联邦学习最早在 2016 年由谷歌提出,原本用于解决安卓手机终端用户在本地更新模型的问题,根据多参与方之间数据分布的不同,把联邦学习分为三类:横向联邦学习、纵向联邦学习和联邦迁移学习。
-
获取联邦认证token(OpenID Connect ID token方式) - 统一身份认证服务 IAM
methods Array of strings 获取token的方式,联邦用户默认为mapped。 issued_at String 生成时间。
-
联邦学习
三者间关系如图所示,在联邦学习系统下,各个数据源方进行数据预处理,共同建立及其学习模型,并将输出结果反馈给用户。联邦学习的分类根据参与各方数据源分布的情况不同,联邦学习可以被分为三类:横向联邦学习、纵向联邦学习、联邦迁移学习。
-
测试步骤 - 可信智能计算服务 TICS
测试步骤 数据准备 训练型横向联邦作业流程 评估型横向联邦作业流程 父主题: 横向联邦学习场景