隐私计算FATE-模型训练

一、说明

本文分享基于 Fate 自带的测试样例，进行 纵向逻辑回归 算法的模型训练，并且通过 FATE Board 可视化查看结果。

本文的内容为基于《隐私计算FATE-概念与单机部署指南》中部署的环境。

二、进入容器

执行以下命令，进入 Fate 的容器中：

docker exec -it $(docker ps -aqf "name=standalone_fate") bash

可以看到其中有一个 examples 的目录，里面包含各种算法的测试样例，以及测试的数据。

进入到 examples 后，创建一个 my_test 的目录：

cd examplesmkdir my_test

注意：后面所有的操作都默认在该目录下执行。

三、上传数据

第一步需要准备好训练要用的数据，我们可以通过 csv文件 把数据上传到 Fate 里面；

自带的测试数据都在容器里的 /data/projects/fate/examples/data 目录中：

可以看到每种算法都分别提供了 guest 和 host 两方的数据。

3.1. 准备guest方配置

在 my_test 目录下，执行以下命令：

vi upload_hetero_guest.json

内容如下：

{"file": "/data/projects/fate/examples/data/breast_hetero_guest.csv","head": 1,"partition": 10,"work_mode": 0,"namespace": "experiment","table_name": "breast_hetero_guest"
}

file：数据文件的路径
head：数据文件是否包含表头
partition：用于存储数据的分区数
work_mode：工作模式，0为单机版，1为集群版
namespace：命名空间
table_name：数据表名

3.2. 准备host方配置

在 my_test 目录下，执行以下命令：

vi upload_hetero_host.json

内容如下：

{"file": "/data/projects/fate/examples/data/breast_hetero_host.csv","head": 1,"partition": 10,"work_mode": 0,"namespace": "experiment","table_name": "breast_hetero_host"
}

注意文件名与表名是和guest方不一样的。

3.3. 执行上传

执行以下两个命令，分别上传 guest 和 host 方的数据：

flow data upload -c upload_hetero_guest.jsonflow data upload -c upload_hetero_host.json

通过 -c 来指定配置文件。

成功后返回上传任务的相关信息：

{"data": {"board_url": "http://127.0.0.1:8080/index.html#/dashboard?job_id=202205070640371260700&role=local&party_id=0","code": 0,"dsl_path": "/data/projects/fate/fateflow/jobs/202205070640371260700/job_dsl.json","job_id": "202205070640371260700","logs_directory": "/data/projects/fate/fateflow/logs/202205070640371260700","message": "success","model_info": {"model_id": "local-0#model","model_version": "202205070640371260700"},"namespace": "experiment","pipeline_dsl_path": "/data/projects/fate/fateflow/jobs/202205070640371260700/pipeline_dsl.json","runtime_conf_on_party_path": "/data/projects/fate/fateflow/jobs/202205070640371260700/local/0/job_runtime_on_party_conf.json","runtime_conf_path": "/data/projects/fate/fateflow/jobs/202205070640371260700/job_runtime_conf.json","table_name": "breast_hetero_guest","train_runtime_conf_path": "/data/projects/fate/fateflow/jobs/202205070640371260700/train_runtime_conf.json"},"jobId": "202205070640371260700","retcode": 0,"retmsg": "success"
}

3.4. 检查数据

执行以下命令，查看表的相关信息：

flow table info -t breast_hetero_guest -n experiment

执行后返回：

{"data": {"address": {"home": null,"name": "breast_hetero_guest","namespace": "experiment","storage_type": "LMDB"},"count": 569,"exist": 1,"namespace": "experiment","partition": 10,"schema": {"header": "y,x0,x1,x2,x3,x4,x5,x6,x7,x8,x9","sid": "id"},"table_name": "breast_hetero_guest"},"retcode": 0,"retmsg": "success"
}

四、模型训练

接下来我们就开始进行建模任务，需要准备两个配置文件，流程配置文件 dsl 和参数配置文件 conf。

4.1. 准备dsl文件

执行以下命令：

cp /data/projects/fate/examples/dsl/v2/hetero_logistic_regression/hetero_lr_normal_dsl.json /data/projects/fate/examples/my_test/

直接把 Fate 自带的纵向逻辑回归算法样例，复制到我们的 my_test 目录下。

Fate 把各种算法实现了组件化，dsl 文件主要配置整个建模流程是由哪些 component 组成的：

比如第一个模块 Reader 就是用于读取刚刚上传的训练数据，然后是 DataTransform 模块，把训练数据转换为实例对象，一般所有的建模流程都需要有前面这两个模块；

总的来说配置一个 component 需要以下内容：

- module：模型组件，Fate 当前支持 37 个模型组件
- input： - date：数据输入- module：模型输入
- output：- date：数据输出- module：模型输出

module 是定义这个组件的类型，当前 Fate 已经自带 37 个组件可以使用，当然我们也可以自己开发新增算法组件进去；

input 和 output 就是分别设置组件的输入输出，两个同时都支持两种类型，分别是数据和模型输入输出。

详细的配置说明可参考官方文档：https://github.com/FederatedAI/FATE/blob/master/doc/tutorial/dsl_conf/dsl_conf_v2_setting_guide.zh.md

4.2. 准备conf文件

执行以下命令：

cp /data/projects/fate/examples/dsl/v2/hetero_logistic_regression/hetero_lr_normal_conf.json /data/projects/fate/examples/my_test/

直接把 Fate 自带的纵向逻辑回归算法样例，复制到我们的 my_test 目录下。

从上图可以看到在 component_parameters 元素下，配置 Reader 组件所读取的表名。

该配置主要是配置以下内容：

DSL的版本
各个参与方的角色以及 party_id
组件运行参数

关于组件清单以及每一个组件的详细配置参数可参考官方文档：https://fate.readthedocs.io/en/latest/zh/federatedml_component/

4.3. 提交任务

执行以下命令：

flow job submit -d hetero_lr_normal_dsl.json -c hetero_lr_normal_conf.json

通过 -d 和 -c 来分别指定 dsl 和 conf 配置文件。

成功后返回训练任务的相关信息：

{"data": {"board_url": "http://127.0.0.1:8080/index.html#/dashboard?job_id=202205070226373055640&role=guest&party_id=9999","code": 0,"dsl_path": "/data/projects/fate/fateflow/jobs/202205070226373055640/job_dsl.json","job_id": "202205070226373055640","logs_directory": "/data/projects/fate/fateflow/logs/202205070226373055640","message": "success","model_info": {"model_id": "arbiter-10000#guest-9999#host-10000#model","model_version": "202205070226373055640"},"pipeline_dsl_path": "/data/projects/fate/fateflow/jobs/202205070226373055640/pipeline_dsl.json","runtime_conf_on_party_path": "/data/projects/fate/fateflow/jobs/202205070226373055640/guest/9999/job_runtime_on_party_conf.json","runtime_conf_path": "/data/projects/fate/fateflow/jobs/202205070226373055640/job_runtime_conf.json","train_runtime_conf_path": "/data/projects/fate/fateflow/jobs/202205070226373055640/train_runtime_conf.json"},"jobId": "202205070226373055640","retcode": 0,"retmsg": "success"
}

其中有几个属性需要关注：

board_url：这个地址是可以查看任务情况的 FATE Board 地址。
job_id：任务的唯一关键字，可以在 FATE Board 上通过这个 ID 查看任务的详情。
logs_directory：是日志的路径，可以通过这个地址查看任务的各种日志信息。
model_info：里面有 model_id 和 model_version 这两个信息会在执行预测任务时需要用到，预测之前需要指定基于哪个模型来执行预测任务，而这两个信息就是模型的唯一关键字。

五、可视化

5.1. 任务概览

通过上面返回信息中 board_url 的地址，在浏览器访问即可进入任务的概览页面：

http://127.0.0.1:8080/index.html#/dashboard?job_id=202205070226373055640&role=guest&party_id=9999

需要注意的是：因为是在容器里面执行的，所以 IP 地址需要按照实际情况进行修改。

登录的用户名和密码都为 admin

左边 Dataset info 是各个参与方的信息，中间呢是任务的运行情况显示运行的进度条以及耗时，右边是整个任务流程的组件 DAG 图，下方是任务日志信息。

5.2. 组件输出

点击中间的 view this job 按钮，进入任务的详细信息：

DAG 图中的每个组件都是可以点击的，选中 hetero_lr_0 组件，点击右下角的 view the outputs 按钮，进入 逻辑回归 组件的输出页面：

左上角有三个 TAG 分别为：

model output：模型输出，是算法组件的训练结果。
data output：数据输出，每个组件数据处理后的输出，用于下游组件的输入。
log：该组件的运行日志。

扫码关注有惊喜！