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 examples
mkdir 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.json
flow 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。