réseau nuage chasse [Pékin] Novembre 15 Rapport
31 octobre FATE V1.1 de la version officielle. Dans cette version, FATE conjointe VMware Chine R & D Centre pour l'équipe Open Innovation des laboratoires de nuage natif mis en scène un « big deal » ensemble - projet publié KubeFATE, FATE par toutes les composantes de la forme de conteneurs d'emballage, permet l'utilisation Docker Compose ou Kubernetes (graphiques Helm) pour déployer. Devops façon de développer des applications modernes, les avantages du déploiement d'applications à base de conteneurs est assez évident, les applications ne peuvent pas fonctionner sans discernement ne le navire de support de plate-forme, mais aussi la flexibilité nécessaire pour mettre en uvre des extensions de niveau multi-instance. Le projet est maintenant disponible sur GitHub: https: //github.com/FederatedAI/KubeFATE
La plate-forme de cloud grand public actuelle, comme AWS étrangers, Azure, nuage domestique Ali, nuage Tencent, qui ont un conteneur natif en nuage et le service Kubernetes, ce qui rend le déploiement et l'exploitation des applications de conteneurs ont été normalisés et commercialisés. Par projet KubeFATE, les développeurs peuvent facilement déployer et utiliser projet FATE dans le cloud public ou cloud privé.
De plus, cette version des algorithmes V1.1 FATE et dispose d'une mise à jour majeure et d'améliorer la base: non seulement sur le cadre algorithme d'apprentissage commun de la ligne transversale fédérale, soit une augmentation de DNN, la régression et d'autres algorithmes fédéraux, et a commencé à soutenir la modélisation fédérale multi-longitudinale , support moteur d'allumage, le soutien des services de gouvernance de FATEServing, le soutien secureboost prévision en ligne, version 1.1 une nouvelle fois amélioré l'expérience de la modélisation de l'étude fédérale, plus de fonctionnalités, algorithme plus complet, tout en aidant plus d'entreprises et les utilisateurs à participer à FATE technique et l'application des recherches approfondies.
FederatedML: fournit un cadre extensible pour soutenir l'algorithme transversal latéral algorithme développé
Dans la nouvelle version, FATE rendre plus facile pour les développeurs, les développeurs peuvent se concentrer davantage sur l'algorithme spécifique lui-même, et le contenu plus général des communications transmises au cadre. FATE V1.1 fournit un cadre d'algorithme d'apprentissage général fédéral horizontale évolutive des supports d'agrégation sécurisé, par grande étude fédérale de l'ensemble des processus transversaux, les développeurs peuvent facilement atteindre algorithme d'apprentissage fédéral horizontal.
En ce qui concerne l'algorithme, support ajouté FATE pour DNN latéral, la régression linéaire verticale, la régression de Poisson algorithmes longitudinaux fédéraux, ainsi que plus de soutien pour l'algorithme de modélisation fédéral multipartisme, scénarios de modélisation plus riches et améliorer la pratique FATE le sexe. Il est à noter est que la régression linéaire est très forte dans les scénarios prévoient des étiquettes en continu, et la régression de Poisson est mieux en mesure d'aider les développeurs à prédire le nombre et la fréquence, comme l'évaluation de l'assurance et le risque de la scène de l'accident, Parc régression pin peut prédire la fréquence.
A partir de cette version, FATE a officiellement commencé à soutenir la modélisation longitudinale fédérale multipartite peut être mis en uvre plusieurs fournisseurs de données en train scène portrait ensemble modèle fédéral.
Enfin, FATE Spark également connecté a été tentée, FATE V1.1 permet aux développeurs de Spark existants groupent réutilisation directe des ressources existantes, vous pouvez choisir le moteur Spark calculé en fonction de la situation réelle configuration flexible. Plus disponible sur GitHub comprennent: https: //github.com/FederatedAI/FATE/tree/master/federatedml
FATEFlow: apprentissage des services de fabrication Pipeline fédéral haute performance
FATEFlow outils étude fédérale modélisation de planification et de gestion des pipelines du cycle de vie pour les utilisateurs finaux de construire une étude fédérale des services de production de pipelines. V1.1, FATEFlow principalement pour la mise à niveau de la stabilité et la facilité d'utilisation, tels que:
Télécharger et télécharger des fichiers vous permet de visualiser l'état de l'emploi, station d'accueil pour les gros fichiers et d'autres systèmes d'une grande aide;
Soutenir le travail d'enlèvement dans l'attente;
Soutien aux paramètres d'emploi délai d'attente;
Optimisation de journal de travail unifié avec l'ID de travail stocké dans un fichier journal nommé dossier, améliorer l'efficacité du dépannage;
FATEBoard: simple et efficace, la visualisation de processus d'apprentissage du modèle fédéral
FATEBoard est un outil visuel pour la modélisation de l'apprentissage fédéral pour la visualisation de l'utilisateur final et le modèle de mesure du processus de formation, aux utilisateurs d'aide modèle plus simple à comprendre et explorer le modèle efficace. La nouvelle version, Job optimiser encore l'affichage du déroulement des opérations, et des ports d'entrée et de sortie supportant les composants séparés du modèle de données, un affichage plus intuitif de transmission de données et le modèle de transmission;
De plus, le soutien est d'évaluer maintenant les résultats de la visualisation de processus de formation de modèle, afin de faciliter l'attention en temps réel au processus de formation intermédiaire de la piste et les résultats, le modèle d'arbre secureboost donnant une représentation plus visuelle, non seulement peut clairement observer chaque modèle d'arbre de décision unique, mais aussi pour voir les différentes étiquette de modèle d'arbre.
FATEServing: gestion des services, le modèle de récupération de redémarrage automatique
Dans la nouvelle version, les charges de modèle seront stockés dans le fichier local après le redémarrage réussi reprendra après le chargement du modèle avant d'un fichier local.
En outre, la libération de V1.1 en tant que Zookeeper introduit centre d'enregistrement, offre des capacités de gestion des services limités d'enregistrer dynamiquement des interfaces GRPC, dans le cas d'un temps d'arrêt de la machine peut changer automatiquement le trafic.
KubeFATE: capacité de FATE à des mises à niveau Déployez
la libération fate fournit V1.1 emballés miroir de conteneurs Docker, de réduire considérablement les FATE seuil Éviter le bas des développeurs à la ligne de départ ». Si l'entreprise est un développeur, vous pouvez également trouver la capacité de déploiement FATE hors ligne a également été améliorée, avec le miroir de l'entrepôt de récipient ouvert Harbor, le miroir peut automatiquement synchroniser en ligne pour l'opération de décompression et d'entretien.
KubeFATE fournit principalement Compose Docker et Kubernetes (barre graphique), deux méthodes de déploiement.
Docker-Compose SORT tous les composants peuvent être déployés dans un noeud unique, et pour soutenir le déploiement d'une pluralité de partenaires. Les développeurs ne ont pas besoin de compiler votre code, vous pouvez utiliser Docker rapidement composer mis en place un environnement de test. Courant Docker Compose SORT peut être déployé dans un ou plusieurs noeuds, aider les développeurs à la fonction de FATE connaissance et la compréhension.
Docker-Compose nud unique situé dans le test de déploiement. Dans un environnement de production, nécessite souvent un déploiement multi-noeuds, cette fois en utilisant Kubernetes mieux. Graphiques de barre KubeFATE fournies pour déployer les méthodes FATE Kubernetes, peuvent être déployés directement sur le support nuage FATE Kubernetes, et peuvent être personnalisés en fonction des besoins des détails du déploiement, par exemple, le module de calcul est déployé sur le nud a GPU comme.
entrepôt port est mirroring open source, la mise en miroir offre un contrôle d'accès, la synchronisation à distance, et d'autres puissantes capacités d'analyse de la vulnérabilité, la grande majorité des utilisateurs domestiques utilisent l'image administrative du port. projet KubeFATE port sera intégré à elle, peut fournir des capacités de gestion de l'image locale sans compter Docker Hub et d'autres services de cloud computing, améliorant considérablement l'efficacité et la sécurité. En outre, la copie à distance peut miroir Harbor, le miroir peut être une réplication bidirectionnelle entre le cloud public ou un centre de données, en situation de défauts peuvent récupérer automatiquement pour simplifier la complexité de l'opération et de maintenance.
Dans l'ensemble, la version fate version 1.1 ajoute le support pour plus d'algorithmes fédéraux, plus riche et plus puissant modèle pour l'étude fédérale et VMware ont lancé conjointement KubeFATE, simplifiez seuil FATE pour l'utilisation des premiers contacts avec les développeurs plus il est convivial. Nous saluons les contributions sont intéressés à apprendre ensemble avec mes collègues sur les codes fédéraux, ou soumettre des demandes de Pull Problèmes. Vous trouverez des détails sur le site officiel des contributeurs projet FATE Guide: https: //fate.fedai.org/contribute/