FATE icon indicating copy to clipboard operation
FATE copied to clipboard

An Industrial Grade Federated Learning Framework

Results 385 FATE issues
Sort by recently updated
recently updated
newest added
trafficstars

从 https://fate-flow.readthedocs.io/en/v1.11.1/fate_flow_resource_management/ 文档上看,其实我只需要配置 task_cores 就能设定任务使用的cpu资源,然而我实测下来发现: a. task_cores = 12 & computing_partitions = 12 b. task_cores = 24 & computing_partitions = 12 c. task_cores = 24 & computing_partitions = 24 任务耗时...

FATE2.0支持RNN,LSTM等算法模型吗?谢谢

**Describe the bug** docker部署federatedai/standalone_fate:2.1.0。进入docker后,跳转至/fate/examples/pipeline/homo_nn。 执行 python test_nn_binary.py 出现bug。 报错信息如下: python test_nn_binary.py Job id is 202407210849451084850 Job is waiting, time elapse: 0:00:00 Running task reader_0, time elapse: 0:00:05 Running task nn_0,...

FATE 目前是否支持训练出来的模型,单独在其它非训练节点的FATE平台上部署?如果支持具体如何实现?

请教一下:这个视频中的 https://www.bilibili.com/video/BV1hf4y1F7yg/?p=3&vd_source=298aca447de4c8a033366742b247c729 20分30秒 有SecureBoost模型的前端可视化,看起来像是比较早了,请问fate2.0以后,我看我训练的SecureBoost模型只有一个loss的输出,没有这些像tree一样的可视化,请问是取消了吗?还是说只是没显示,可以调用fate_flow的一些请求获得?

请问FATE 2.1版本的镜像哪里能获取到?

我在用自定义算法跑联邦下的bert,参考教程:https://fate.readthedocs.io/en/develop-1.11.1/tutorial/pipeline/nn_tutorial/Bert-example/#dataset-imdb-sentimental 其中有一些细节我已经做了修改,IMDB的示例数据已经跑通,所以我进一步想跑一下文本多分类,使用了一个医学数据集:https://www.kaggle.com/datasets/jpmiller/layoutlm, 已经处理成和IMDB一样的格式: ``` id, text, label 1, some text,0 ... ``` 用notebook提交任务: ``` import torch as t from torch import nn from pipeline import fate_torch_hook from pipeline.component import HomoNN...

我们发起了一个联邦大模型开源项目:https://github.com/FederatedAI/FATE-LLM 这个项目主要涉及大模型的联邦学习范式,以及大模型和小模型协同学习的联邦迁移学习范式,大模型安全推理等。 这里想做个关于这个领域的相关调研。如果你们感兴趣的话题,需求,贡献,欢迎和社区交流。

YAML文件如下: ``` dag: parties: - party_id: ['9999'] role: guest - party_id: ['10000'] role: host party_tasks: guest_9999: parties: - party_id: ['9999'] role: guest tasks: reader_0: parameters: {name: breast_hetero_guest, namespace: experiment} host_10000:...

Signed-off-by: jsuper 为DataTransform组件增加更细粒度的缺失值填充参数设置 DataTransform组件使用了FeatureImputer去做缺失值填充,但是只能设置统一的填充方法,不能为不同的列设置不同的填充方式。因此增加一个参数,能够支持细粒度的控制不同列的填充方法。