共计 868 个字符，预计需要花费 3 分钟才能阅读完成。
背景
本人定义了模型后，须要自行定义训练形式。
这里文档给了办法，然而大部分还是须要本人看源码摸索。
- https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/Homo-NN-Customize-Trainer/
-
https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/Homo-NN-Trainer-Interfaces/
文档写的也有疏漏哈哈，最初我还是本人找到了，就是下面 2 个链接：我的做法
在 federatedml.nn.homo.trainer 外面退出本人的 trainer。
我本人间接复制了原先的 FedAvgTrainer 的代码，而后改掉了 train 的代码成本人代码了。
有几个留神的点
-
Fateboard 中打印 loss：找
callback_loss，参照 FedAvgTrainer 的代码加上就行，loss 曾经在 base 类里实现了，你也参考 call back loss 的代码能够间接新写个指标。我碰到的坑是：必须
float+cpu()一下、或者用item()取值才行，即使是我的 torch 版本是反对 cuda 的，不然报错。我的写法是self.callback(float(my_loss.cpu().detach()), idx)，然而我打印了 FedAvg 的 loss 他自身是 numpy 类型的，然而我间接 numpy() 就不行。不晓得怎么回事。self.callback(my_loss.cpu().detach().numpy(), idx)，不报错，然而 Fateboard 加载不进去
self.callback(my_loss, idx)，报错，说 cuda available 是 False，我真醉了 FedAvgTrainer中federation process是与是否收敛 convergence 相干的，退出那段代码能有疾速完结训练的成果（达到收敛规范可立刻完结，跟 early stopping 差不多）。