README.zh.md 4.3 KB
Example 使用指南
本章节介绍examples目录，它提供了pipeline样例、dsl的配置、 以及正确性对比验证回归的样例、常规建模模版等。
为方便用户对FATE进行自动化测试，FATE提供自动化测试工具FATE-Test。
为方便使用Pipeline或者DSL提交建模任务，我们建议用户安装使用FATE-Client。
快速上手Pipeline/DSL，可以参考快速使用教程
下面将具体介绍主要的样例模块。
FATE-Pipeline
为了提升联邦建模的易用性，FATE-v1.5 开始引入Pipeline模块， 用户可通过python编程快速搭建联邦学习建模流程，具体教程可参考 FATE-Pipeline。 我们对于每个算法模块也提供了大量的Pipeline搭建联邦学习模型的样例，具体可参考pipeline。
DSL
DSL是FATE提供的根据配置文件来构建联邦建模任务的方式，具体教程可参考 DSL配置指引。 在FATE-v1.5版本，我们对DSL进行了全新升级.
主要升级点包括下面几点：
- 支持按需生成预测DSL，用户可通过FATE-Flow的cli按需生成预测的DSL配置，需要注意的是新版DSL不支持自动预测DSL的生成，用户必须先通过FATE-Flow的cli生成预测DSL，然后再进行预测
- 支持预测阶段新组件接入，如在预测阶段接入evaluation组件等。
- 统一算法参数配置风格，role_parameter和algorithm_parameter规范统一
关于最新的DSL各算法组件样例可参考 dsl/v2，自从1.7版本开始DSL/v1被删除，不再继续支持，但是会提供DSL/v1构建的模型转换为DSL/v2的工具，方便模型迁移到DSL/v2。
Benchmark Quality
从FATE-v1.5开始，FATE将提供中心化训练和FATE联邦建模效果的正确性对比工具，用于算法的正确性对比。 我们优先提供了建模中最常用的算法的正确性对比脚本，包括以下模型类型：
- 纵向:
- LogisticRegression(benchmark_quality/hetero_lr)
- LinearRegression(benchmark_quality/hetero_linear_regression)
- SecureBoost(benchmark_quality/hetero_sbt)
- FastSecureBoost(benchmark_quality/hetero_fast_sbt),
- NN(benchmark_quality/hetero_nn)
- 横向:
- LogisticRegression(benchmark_quality/homo_lr)
- SecureBoost(benchmark_quality/homo_sbt)
- NN(benchmark_quality/homo_nn
执行方法可参考benchmark_quality使用文档
Benchmark Performance
FATE-Test 同时支持FATE联邦学习模型效率benchmark测试。 我们提供了以下模型的benchmark测试集：
- Hetero Logistic Regression(benchmark_performance/hetero_lr),
- Hetero SecureBoost(benchmark_performance/hetero_sbt),
- Hetero SSHE LR(benchmark_performance/hetero_fast_sbt),
- Hetero Intersect:
执行方法可参考benchmark_performance使用文档.
Upload Default Data
用户可使用FATE-Test data上传数据。
Toy Example
为了方便用户快速测试站点间网络连通性，FATE提供了简洁的toy任务，使用方法类似：
flow test toy -gid 9999 -hid 10000
Min-test
为了方便用户体验建模流程，检测部署完成情况，FATE提供了最小化测试脚本，方便用户一键体验。该脚本将启动纵向逻辑回归和纵向secure_boost算法。用户只需一行启动命令， 配置若干简单参数，即可完成全流程建模。具体使用方法，请参考min_test_task