Hombre sin rostro的博客

目录1. 制作数据集2. 通过DSL Conf运行训练和预测任务2.1 数据输入2.2 模型训练2.2.1 配置DSL文件2.2.2 运行配置Submit Runtime Conf2.2.3 提交任务，训练模型2.3 模型评估2.3.1 修改DSL2.3.2 修改conf2.3.3 提交任务1. 制作数据集数据集：波士顿房价预测数据集，样本数506，13个特征，标签是房屋得均价from sklearn.datasets import load_bostonimport pandas as pd

目录1. 环境2. 获取数据集3. FATE任务3.1 上传数据1. 环境本文实验内容是前几篇文章的延续，同样在FATE1.6.0版本下进行。实际开发和研究过程中，总是需要自定义实现模型的，这里查看了一下FATE1.6.0带的版本FATE1.6.0Python 3.6.5pytorch 1.4.0tensorflow 2.3.4keras 2.4.02. 获取数据集本文使用的数据集是AI入门的手写数字识别数据集MNIST，从kaggle上下载csv格式的数据集，拷贝到虚

目录1. 获取数据集1.1 下载数据集1.2 横向数据集切分2. 通过DSL Conf运行训练和预测任务2.1 数据输入2.2 模型训练2.2.1 配置DSL文件2.2.2 运行配置Submit Runtime Conf2.2.3 提交任务，训练模型2.3 模型评估2.3.1 修改DSL2.3.2 修改conf2.3.3 提交任务1. 获取数据集1.1 下载数据集数据集：乳腺癌肿瘤数据集（内置在sklearn库）from sklearn.datasets import load_breast_c

目录1. 说明2. 安装前3. 在主机中安装FATE(使用已编译的安装包)3.1 端口检查3.2 获取安装包3.3 安装3.4 启动3.5 测试3.6 FATE Board4. 安装FATE-Client、FATE-Test、FATE-Flow、jupyter notebook4.1 FATE-Client、FATE-Test4.2 FATE-Flow4.3 FATE中的Jupyter Notebook1. 说明使用虚拟机VMware进行实验，实验过程中随时拍摄快照，节约重装时间。项目Val