FFinchR

[Question]: uie-m-large目前不支持finetune

1

### 请提出你的问题 File "/opt/home/development/xxxx/.conda/envs/ve/lib/python3.8/site-packages/paddlenlp/transformers/model_utils.py", line 313, in from_pretrained assert arg.pop( AssertionError: pretrained base model should be ErnieModel uie-m-large预训练模型未来会支持finetune吗？

[Bug]: multi-class裁剪报错

3

### 软件环境 ```Markdown - paddle-bfloat 0.1.7 - paddle2onnx 1.0.1 - paddlefsl 1.1.0 - paddlenlp 2.4.1 - paddleocr 2.6.0.1 - paddlepaddle-gpu 2.4.0rc0.post112 - paddleslim 2.3.4 ``` ### 重复问题 - [X] I...

[Bug]: 文本分类离线部署使用fp16加速报错

4

### 软件环境 ```Markdown - paddle-bfloat 0.1.7 - paddle2onnx 1.0.1 - paddlefsl 1.1.0 - paddlenlp 2.4.1 - paddleocr 2.6.0.1 - paddlepaddle-gpu 2.4.0rc0 ``` ### 重复问题 - [X] I have searched the...

[Question]: 文本分类，多分类提示学习，评估值过低

1

### 请提出你的问题 1. 多分类的提示学习中，[效果展示](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/applications/text_classification/multi_class/few-shot#%E6%95%88%E6%9E%9C%E5%B1%95%E7%A4%BA)里使用了240条样本作为训练集，得出评估值为0.5521。 感觉相比其他的场景来说有点过低了，请问可能是什么原因，因为原标签是英文？或标注数据的质量低？ 2. 另外，我提高了训练集的样本量至每个分类50，100，150条数据，即共750，1500，2250条数据，训练30轮，得到的评估值如下： 数据量/每个分类 | 评估值（Accuracy） -- | -- 50 | 0.5958 100 | 0.6333 150 | 0.2792 还是没有达到较高的准确率。 3. 使用提示学习得到的checkpoint没有model_config.json文件，是否不能用analysis中的脚本进行详细评估与数据增强？

Spark集群使用eggroll进行通信

2

https://github.com/FederatedAI/FATE/issues/4651 使用KubeFATE部署的集群，想要实现异构计算后端（Spark与Eggroll）的互联，使用eggroll进行通信 ```yaml computing: Spark federation: Eggroll storage: HDFS algorithm: Basic device: CPU ``` 需要添加哪些module？ ```yaml modules: - mysql - python - fateboard - client - rollsite - spark -...

连接已有的hdfs，是否支持kerberos认证？

1

https://github.com/FederatedAI/KubeFATE/blob/master/k8s-deploy/cluster-spark-pulsar.yaml#L88-L90 这里好像不能直接配置

FATE1.10上传数据时指定meta会报错

12

使用KubeFATE部署的FATE，上传数据时指定了meta: ```python phone_hetero_guest = {"name": "phone_hetero_guest", "namespace": f"phone"} data_base = "/data/projects/fate/" pipeline_upload.add_upload_data(file=os.path.join(data_base, "fate_data/fl/train_a_label.csv"), table_name=phone_hetero_guest["name"], namespace=phone_hetero_guest["namespace"], head=1, partition=partition,with_meta=True, meta={ "with_label":True, "label_name":"label" }) ``` FATE-Board上报错如下：  已试验过，同一份数据，上传时不指定meta可以成功上传。 数据来源：“星河杯”隐私计算大赛，诈骗电话识别-联邦学习赛道

关于横向联邦场景下Host方如何完成仅一方的部署与预测

8

根据教程，横向联邦场景下，guest方训练完模型后，可以通过deploy命令部署模型，然后submit job的方式完成预测。 然后在 #4314 中提到，可以通过修改conf文件，仅保留一方的role与component_params的方式，完成仅一方的预测。 我根据上面的方法，实现了仅guest方参与的预测，但是，在尝试实现仅host方参与的预测时出现了问题： 根据我的理解，在预测之前，需要先部署模型，即执行deploy命令： ``` flow model deploy --model-id arbiter-9998#guest-9999#host-9998#model --model-version 202303220252081986320 --dsl-path /data/projects/fate/examples/dsl/v2/homo_logistic_regression/homo-lr-normal-predict-dsl.json ``` 在host方执行后遇到如下报错： ``` { "retmsg": "Deploy model failed. Cannot found model of initiator...