FATE服务的场景是各方上传数据，各方取得数据且能交融数据取得独特训练的模型。
官网文档就是以这个程序来写的，然而吧upload data和模型取得数据和模型训练离开来写了。
整顿下数据集
文档中的file path其实是FATE联邦学习github我的项目的绝对目录，所波及到的数据集能够从github取得。你能够间接从github上下载，也能够复制粘贴，然而要留神，查看最初一行是否空行！，如果是空行，删掉，不然FATE会报错。能够具体看我这个亲自踩坑的博客。
Python例子
下载解决好数据集后，记得批改上面代码中的门路。代码大部分是复制粘贴人家官网文档的，我只是把改放到一起的中央放到了一起，所以不必放心有谬误。【记得改数据集的门路和名字】。
代码是在Linux上运行的。
默认你曾经胜利启动FATE服务了，如何启动FATE服务？
首先在终端把pipeline下载和初始化好
pip install fate_clientpipeline init --ip=127.0.0.1 --port=9380另外记得check FATE服务是否失常运行pipeline config check
记得看代码正文，我要更加具体的教程。
from pipeline.backend.pipeline import PipeLinefrom pipeline.component import Reader, DataTransform, Intersection, HeteroSecureBoost, Evaluationfrom pipeline.interface import Data# pipeline能够了解为一个工作，这个工作是上传数据pipeline_upload = PipeLine().set_initiator(role='guest', party_id=9999).set_roles(guest=9999)partition = 4dense_data_guest = {"name": "breast_hetero_guest", "namespace": f"experiment"}dense_data_host = {"name": "breast_hetero_host", "namespace": f"experiment"}tag_data = {"name": "breast_hetero_host", "namespace": f"experiment"}import osdata_base = "/root/Downloads/"pipeline_upload.add_upload_data(file=os.path.join(data_base, "real_guest.csv"), table_name=dense_data_guest["name"], # table name namespace=dense_data_guest["namespace"], # namespace head=1, partition=partition) # 每一个数据集由table name和namespace标识pipeline_upload.add_upload_data(file=os.path.join(data_base, "real_host.csv"), table_name=dense_data_host["name"], namespace=dense_data_host["namespace"], head=1, partition=partition)pipeline_upload.add_upload_data(file=os.path.join(data_base, "real_host.csv"), table_name=tag_data["name"], namespace=tag_data["namespace"], head=1, partition=partition)# drop=1的意思是笼罩掉先前的同名tablepipeline_upload.upload(drop=1)# 开始取得数据并且训练，新实例化一个pipelinepipeline = PipeLine() \ .set_initiator(role='guest', party_id=9999) \ .set_roles(guest=9999, host=10000) # 想要取得FATe中的数据，必须通过Readerreader_0 = Reader(name="reader_0")# set guest parameter# 留神reader所绑定的身份和id，想要胜利获取到数据，# 要绑定数据起源的身份和id，而非数据需求方的reader_0.get_party_instance(role='guest', party_id=9999).component_param( table={"name": "breast_hetero_guest", "namespace": "experiment"})# set host parameterreader_0.get_party_instance(role='host', party_id=10000).component_param( table={"name": "breast_hetero_host", "namespace": "experiment"})# 想要用取得的数据进行训练，必须通过datatransformer。data_transform_0 = DataTransform(name="data_transform_0")# set guest parameterdata_transform_0.get_party_instance(role='guest', party_id=9999).component_param( with_label=True,missing_fill=True)data_transform_0.get_party_instance(role='host', party_id=[10000]).component_param( with_label=False,missing_fill=True)# 交融（纵向）数据intersect_0 = Intersection(name="intersect_0")# 定义模型，FATE提供了一些模型，当然也能够本人开发模型hetero_secureboost_0 = HeteroSecureBoost(name="hetero_secureboost_0", num_trees=5, bin_num=16, task_type="classification", objective_param={"objective": "cross_entropy"}, encrypt_param={"method": "paillier"}, tree_param={"max_depth": 3})evaluation_0 = Evaluation(name="evaluation_0", eval_type="binary")pipeline.add_component(reader_0)pipeline.add_component(data_transform_0, data=Data(data=reader_0.output.data))pipeline.add_component(intersect_0, data=Data(data=data_transform_0.output.data))pipeline.add_component(hetero_secureboost_0, data=Data(train_data=intersect_0.output.data))pipeline.add_component(evaluation_0, data=Data(data=hetero_secureboost_0.output.data))pipeline.compile()# 后面的代码其实是结构了一个计算图，fit才算开始真正执行pipeline.fit()胜利的话，terminal有五光十色的提醒。
如果失败，须要通过Fateboard进行debug，Python 处的代码不会给出具体的提醒。怎么应用Fateboard进行debug？