ubuntu主机中安装FATE-1.8.0并进行纵向联邦学习及预测

部署运行你感兴趣的模型镜像

记录一下做毕设的过程
做前端发现docker容器方式装的fate交互挺麻烦的,决定在主机里再装一个,发现旧版本的下载不了了,装个1.8.0版本。新版的dsl文件似乎又变化了一些。
由于装ubuntu双系统的时候分配磁盘没有分好,home剩的空间不是很多了,所以装到了usr/local下面。
新建文件夹后把文件夹 chown -R给当前用户。
然后按照官方教程提示一步一步来就ok。
由于之前以docker的方式装过fate1.7.0,所以改改端口,找到对应容器的目录下的参数文件改个端口,原来的端口给主机的用。

然后执行测试用例验证一下,就可以用了。

FATE-1.8.0的dsl版本是V2,
建议安装pip install fate-client
并进行初始化

flow init -c /data/projects/fate/conf/service_conf.yaml
flow init --ip 127.0.0.1 --port 9380

上传数据和任务的操作之前的博客有写过,不再重复
直接上过程截图

首先把数据集切分,这里已经是切分好的。

**上传数据
上传数据
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
提交训练任务
在这里插入图片描述
下载数据文件
在这里插入图片描述
模型部署
在这里插入图片描述
获取部署后的模型的dsl,conf文件。这里截图贴错了,正确的找不到了,model-version应该跟刚刚部署好的新version。
在这里插入图片描述
提交预测任务
在这里插入图片描述
下载预测数据
在这里插入图片描述
待续

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.9

TensorFlow-v2.9

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

安装 FATE-Serving 1.8.0 版本可以通过 KubeFATE 工具实现,以下是一个基于 Kubernetes 环境的部署流程。该流程包括镜像准备、配置文件修改、部署脚本执行等关键步骤。 ### 准备工作 1. **下载 KubeFATE** 首先需要下载对应版本的 KubeFATE 工具。对于 FATE 1.8.0 版本,可以使用如下命令下载: ```bash wget https://github.com/FederatedAI/KubeFATE/releases/download/v1.8.0/kubefate-k8s-v1.8.0.tar.gz ``` 解压后将 `kubefate` 可执行文件放置到系统路径中,例如 `/usr/local/bin/`。 2. **拉取保存所需 Docker 镜像** 确保所有必要的服务镜像已经准备好。对于 FATE-Serving 1.8.0,需要拉取以下镜像: ```bash docker pull federatedai/serving-server:1.8.0 docker pull federatedai/serving-proxy:1.8.0 docker pull mysql:8 ``` 拉取完成后,将这些镜像保存为 tar 文件以便后续导入: ```bash docker save -o serving-server:1.8.0.tar federatedai/serving-server:1.8.0 docker save -o serving-proxy:1.8.0.tar federatedai/serving-proxy:1.8.0 docker save -o mysql:8.tar mysql:8 ``` 3. **导入本地镜像(可选)** 如果部署环境无法直接访问互联网,则需将上述 tar 文件传输到目标机器导入: ```bash docker load -i serving-server:1.8.0.tar docker load -i serving-proxy:1.8.0.tar docker load -i mysql:8.tar ``` ### 修改配置文件 1. **编辑 `parties.conf` 文件** 在部署目录中找到 `parties.conf` 根据实际网络拓扑进行修改,例如: ```bash cd docker-deploy vi parties.conf ``` 示例配置如下: ```bash user=fate dir=/data/projects/fate party_list=(10000 9999) party_ip_list=(192.168.73.161 192.168.73.162) serving_ip_list=(192.168.73.161 192.168.73.162) backend=eggroll enabled_nn=true mysql_ip=mysql mysql_user=fate mysql_password=fate_dev mysql_db=fate_flow name_node=hdfs://namenode:9000 fateboard_username=admin fateboard_password=admin serving_admin_username=admin serving_admin_password=admin ``` ### 部署流程 1. **生成部署包执行部署** 使用 KubeFATE 工具生成部署包启动服务: ```bash kubefate cluster generate --namespace=fate-1.8.0 --version=1.8.0 --chart-path=./charts --output=./fate-1.8.0.yaml kubefate cluster apply -f ./fate-1.8.0.yaml ``` 上述命令将根据配置文件生成一个完整的部署包,在 Kubernetes 集群中部署 FATE-Serving 服务。 2. **验证部署状态** 检查 Kubernetes 中的 Pod 状态以确认所有组件已成功启动: ```bash kubectl -n fate-1.8.0 get pods ``` 如果所有 Pod 状态为 `Running`,则表示部署成功。 3. **访问 FATE-Serving 服务** 默认情况下,FATE-Serving 的 Proxy 服务会暴露一个 NodePort 或 LoadBalancer 类型的 Service,可以通过浏览器或 API 访问 FATE-Serving 的管理界面。 ### 注意事项 - **网络配置**:确保所有节点之间的网络互通,尤其是 FATE-Serving Proxy 与后端服务之间的通信。 - **资源分配**:根据实际业务需求合理分配 CPU 和内存资源,避免因资源不足导致性能问题。 - **持久化存储**:建议为 MySQL 数据库和 FATE-Serving 的日志目录配置持久化存储,防止数据丢失。 ###
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值