3 月 17 日，机器之心联合微众银行开设的公开课《联邦学习 FATE 入门与应用实战》第三讲结课，微众银行人工智能部算法研究员谭明超为我们分享了《联邦学习 FATE 算法模块梳理及建模演示》。
3 月 19 日（本周四），我们将迎来本系列公开课的第 4 讲，详情如下：
公开课第4讲（附 Live Demo）
课程主题：使用 KubeFATE 部署生产环境的联邦学习 Kubernetes 集群
课程时间：3 月 19 日 20:00 主题讲解+在线答疑+Live Demo
讲师简介：彭麟，Layne Peng，现任 VMware CTO 办公室资深研究员。之前在 Dell EMC CTO 办公室工作超过 7 年，负责云计算相关领域前沿研究，也曾在某互联网金融公司负责基础设施部门，有丰富的一线实践经验。热爱开源技术，参与了 OpenStack, Kubenetes, Docker 等开源项目，并在 OpenStack Summit, Apache Big Data Conference, LinuxCon 等会议发表过相关演讲。
课程摘要：Kubernetes 是目前最流行的机器学习调度平台，我们推荐基于 Kubernetes 构建 FATE 的联邦学习生产环境。KubeFATE 是我们推出的 FATE 部署工具，可以通过一行命令在 Kubernetes 上从 0 部署一个生产级别的 FATE 集群，支持 FATE 的按模块部署，多 FATE 集群管理，实现重启、删除、升级等功能。另外，KubeFATE 还提供了 RestAPI，可以进行集群管理的二次开发，以及跨网络的多方部署等高级需求。
Live demo：使用 KubeFATE 在 Kubernetes 上从 0 部署一个多方 FATE 集群，并且进行集群的简单管理。
课前准备：请预先了解 Kubernetes 的基本概念及操作，提前熟悉 MiniKube 及 KubeFATE。
第2课精选问答
在每期课程的 QA 环节中，有一些问题被广泛提到并且很有价值，所以我们进行了精选与编辑，供大家参考。以下为第2课问答精选（第2课主题为快速部署FATE开发环境）：
1）「toy_example」跑不通原因是什么？
因为 FATE 的架构比较复杂，加上系统和网络不稳定性等客观原因，一遍下来某些步骤有不可控的小问题。这些问题可以逐步去排除，但是我们推荐比较简单的方法是可以重新跑一遍或几遍。如果还是不行那就定位是否是指令集不支持的问题，详情请参考我们 kubeFATE 在 github 上的 wiki。
2）Exchange 也负责模型聚合吗，还是只负责建立底层通信？
它是不负责模型聚合的，只负责通讯。
3）目标机和部署机有什么区别？
我们前面说 KubeFATE 的使用其实分为两个部分，一个部分是生成启动集群的配置文件。另外一个部分就是运行的 FATE 集群。部署机就是生成配置文件的机器，目标机是运行集群的机器。部署机和目标机只是一个逻辑上的划分，他们实际上可以是同一台服务器。
4）每个 party 都是有自己的 k8s 集群么？
其实取决于你是哪种部署方式，如果是 docker-compose 的话，你就不需要有 k8s 集群了。
5）这些 party 里有分中心机构和参与机构吗？
没有严格的区分，一个 party 即可以做分享数据的中心机构，也可以做参与机构，这取决于训练的具体内容。
6）如何实现分布式训练？
分布式训练由 EggRoll 模块提供支持，它向上提供了一个 MapReduce 的功能。
7）kubefate 支持容灾吗，节点挂了怎办？
如果是使用 k8s 部署的话，那么容灾其实是依赖于 k8s。节点挂也没关系，k8s 会帮你重新起一个。
8）一个 party 有多个用户吗？
一个 party 可以有多服务多个用户，这是没问题。
暂无评论内容