XFL任务基本教程

git clone https://github.com/paritybit-ai/XFL
cd XFL

# 获取redis镜像
docker pull redis:7.0.3

# 启动redis，注意需要保证6379的端口开放
docker run --name my_redis -p 6379:6379 -d redis:7.0.3

# 获取镜像
docker pull basebit/xfl:1.4.0

# 启动XFL
docker run -it --entrypoint /bin/bash \
--network container:my_redis \
-v $PWD/demo:/opt/app/xfl/demo \
-v /opt/dataset:/opt/dataset \
-v /opt/config:/opt/config \
-v /opt/log:/opt/log \
-v /opt/checkpoints:/opt/checkpoints \
basebit/xfl:1.2.0

# 在镜像中运行demo脚本
cd demo/vertical/logistic_regression/2party
sh run.sh

conda create -n xfl python=3.9.7

conda activate xfl

# 升级到最新版本
pip install -U pip

# 通过requirements.txt安装依赖
pip install -r requirements.txt

# 进入项目目录
cd ./demo/vertical/logistic_regression/2party

# 激活虚拟环境
conda activate xfl

# 启动redis服务（已经开启了可以跳过这一步）
redis-server &

# 运行demo
sh run.sh

demo
├── horizontal
│   ├── logistic_regression
│   └── resnet
├── local
│   ├── normalization
│   └── standard_scaler
├── vertical
│   ├── binning_woe_iv
│   ├── feature_selection
│   ├── kmeans
│   ├── logistic_regression
│   ├── pearson
│   └── xgboost
└── ...

cd ./demo/vertical/logistic_regression/2party

sh run.sh

/opt
├── checkpoints         # 模型输出的存放路径
│   ├── ...
│   └── 4               # 本次执行的[JOB_ID]
│       ├── node-1      # 节点1的输出文件（包含模型文件）
│       │   ├── vertical_logistic_regression_guest.pt
│       │   └── ...     
│       └── node-2      # 节点2的输出文件（包含模型文件）
│           ├── vertical_logistic_regression_host.pt
│           └── ...     
└── log
    └── 4               # 本次执行的[JOB_ID]
        └── xfl.log     # 日志文件

# 任务结束后杀死残留子进程
sh stop.sh