Yonggie的博客

timm本地加载。有图有真相：https://github.com/huggingface/pytorch-image-models/discussions/1826。其他的过时的方法就别看了。（当然我这个过几年也会过时）

虽然有种种不足，但是FATE框架仍然在一众相关框架里面在to B端是比较出色的框架。很多大厂的框架早就已经废弃不更新了，还剩微众银行的还在持续更新，并且持续开源运营。剩下的就剩很多开源的模拟框架，没有写落地的模块，只能科研和玩玩玩！如果没有新的to B框架的出现，现在是没得选的。

基本上按照就行了，先做before deploy，再做three side guide.md。

手动加入 ansible ssh host变量

Fateboard出现下面的情况。是因为你没起FATE服务。

使用torch的optimizer添加了2组parameter，传参进入FATE的trainer后，optimizer被改变，且FATE框架无提示。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I9vA6ec9-1688611983896)(https://user-images.githubusercontent.com/31330044/251026326-46379778-8b50-4ebc-a486-d9b4f27fdbf4.png)]

在上述代码我返回了一些假的数据，因为如果返回数据的格式不符合，Fateboard会直接报错，无法进入到下一步。所以放在那里，没用。如果是图片、文本、token embedding等，用这种方式根本拿不到模型的输出。交涉，社区肯定了这种方法拿不出。并且给了个方法，在自定义的trainer中的。函数，直接保存输出。不在通过上述方法获得。如何自定义trainer，在官方文档有。一般来说，从FATE框架中获得数据使用。但是这样子在目前的1.x的FATE中，只能说现在只能先这样用了。

命令行中我没有办法找到，文档我也找不到相关的信息。每个名称里面是训练ID，可以看到已经部署的模型。里面，能看到曾经部署过的model。

简单来说是没有识别到模型的结构，原因多种多样。

原因是自己定义的dataset的init函数中没有调用super的init。

主要在于predict函数

下，有很多记录，每个记录都有相应的文件。

我感觉是由于联邦学习的特殊性，不能够让各方看到整个服务中有什么，因为联邦的各方相互不信任，于是也看不到服务中的其他部署模型，这样就没办法定向进行攻击。所以对于各方来说，只有约定好的各方才知道有联邦的模型（而且需要指定id），才能用其做预测获得结果，不然根本无从知晓其他方部署的模型。

在平时写python时候，可以直接model eval后输入数据进行下游任务评估就可以。但是FATE好像没有local mode进行prediction。

自己定义了模型后，需要自行定义训练方式。这里文档给了方法，但是大部分还是需要自己看源码摸索。

大概率是你没有使用他们init_env的环境下载那个包。，然后在这个terminal下重新。安装完成后，就不会出现这个错误了。，你会发现竟然还能再安装一次。

在local_mode下，不要使用t.CustModel进行实例化，而是直接使用原本的类进行实例化。如果你设置了trainer.local_mode()，那么trainer里面的model不可以是t.CustModel()的实例。

homo场景： https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/Homo-NN-Customize-your-Dataset/hetero场景：https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/Hetero-NN-Customize-Dataset/速记：在加入自己的数据集.py。

在homo训练，自定义神经网络的场景下使用FedAvg训练器能够实现batch训练。但是Reader是否能加载进来，要看机器，因为Reader应该是一次性全部读取的。

在FATE1.10，原生的homo nn的场景只能支持torch Sequential来的模型，也就是这样的不支持用Class定义的，但是sequential的模型肯定不能满足需求的。于是FATE就后续引入model zoo来解决这个问题。可以参考：https://github.com/FederatedAI/FATE/blob/master/doc/tutorial/pipeline/nn_tutorial/Homo-NN-Customize-Model.ipynb。

FATE框架1.x支持homo nn的GPU训练

自定义数据集，然后再本地测试一下。成功输出后，要手动在下新建数据集文件，把上文的代码扩充成组件类的形式，如下。

代码都是拷贝的，只是不使用那个函数。其实就是把你新定义的那个数据集加载进来就是了，直接把save to fate那些代码删掉就行了。我来重新写一个这个官方的demo，不使用这个函数的。你可能并不是用jupyter在搞官方那个demo。但是他官方demo就是用的jupyter，

很多其他程序（比如vscode的code server）也会使用这个 127 0 0 1:8080 socket进行通信，这样就没办法远程用vscode去开发了，所以需要修改下Fateboard的socket配置。他这个位置其实是以安装包为根目录的，所以你记得去哪里找。不过他这个，我是在找到的……可能因为，所以目录不一样。为了确认是否是这个配置文件，我查看了官方安装包的文件确实是这个，使用standalone的Fateboard配置文件在里面。吧里面的port随便改个其他的就行了。

目前我是直接在vscode调试的terminal里面再次source了那个env文件，再次调试是可以运行的，但是vscode里面还是会显示这个错误（我这也算是个暂时的方法了），有没有更好的方法？那接下来其实可以给conda的python解释器添加环境变量，如何做？中，本身提示我们要更新一些环境变量，如果不export那些变量，下面的。可以看到这个库本身在下载的FATE包里。这个的原因是环境变量的事情，因为在。其实也是无法测试成功的。是无法找得到这个库的。

数据的最后一行是空行，需要删除掉最后的空行。

其实有点不方便，文档乱乱的，各处都有我这里做个集合吧，其实都是官方做的。因为FATE是微众银行的开源，所以好处是有国内的社交平台联系号，其。网站也给了哔哩哔哩的官方账号，账号里面有很多教程资源，都是中文的。这个应该是专门给国内的。

fateboard文档 https://fate.fedai.org/fateboard/github Fateboard文档 https://github.com/FederatedAI/FATE-Board/blob/master/README-CN.md。

---title: FATE数据上传、读取、训练、保存

官方文档：https://fate.readthedocs.io/en/latest/deploy/standalone-deploy/#1-description。我用的文档中的第二种安装方式，没用docker。