微众银行 AI 开源项目 - 7月进展合集

栏目: 软件资讯 · 发布时间: 5年前

内容简介:FATE 联邦学习系统 FATE V1.7整体开发进度:60% FATE-FLOW: 1. 作业自动重试功能完成 2. 组件插件化支持一个job组件多版本联调20% 3. Upload/Reader组件优化 4. 新增匹配ID列 FederatedML: 1. 完成PSI交集缓存方案...

FATE   

联邦学习系统    

FATE V1.7整体开发进度:60%

FATE-FLOW:

1. 作业自动重试功能完成

2. 组件插件化支持一个job组件多版本联调20%

3. Upload/Reader组件优化

4. 新增匹配ID列

FederatedML:

1. 完成PSI交集缓存方案开发,正在进行性能测试

2. 两方逻辑回归性能优化,3w数据下降低为原来的2/3

3. dataTransform支持匹配id,交集适配联调中

 FATE-Cloud  v1.3.0 完成发布:完成站点端 python 版本重构,增加任务级别监控

REPO:

https://github.com/FederatedAI/FATE

https://gitee.com/WeBank/FATE

 

EggRoll

分布式计算、存储、通信引擎

1. Eggroll 2.4.0:开发进度 75%。主要功能:双写、session 刷新。

2. Eggroll 2.2.3:开发进度 20%。主要功能:按 session 指定运行环境,http 传输解决方案。

 

REPO:

https://github.com/WeBankFinTech/eggroll

https://gitee.com/WeBank/eggroll


以上所述就是小编给大家介绍的《微众银行 AI 开源项目 - 7月进展合集》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

机器学习实战:基于Scikit-Learn和TensorFlow

机器学习实战:基于Scikit-Learn和TensorFlow

Aurélien Géron / 王静源、贾玮、边蕤、邱俊涛 / 机械工业出版社 / 2018-8 / 119.00

本书主要分为两个部分。第一部分为第1章到第8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。一起来看看 《机器学习实战:基于Scikit-Learn和TensorFlow》 这本书的介绍吧!

Base64 编码/解码
Base64 编码/解码

Base64 编码/解码

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具