Client
import com.mindspore.flclient.model.Client
Client定义了端侧联邦学习算法执行流程对象。
公有成员函数
initCallbacks
public abstract List<Callback> initCallbacks(RunType runType, DataSet dataSet)
初始化callback列表。
参数
runType: RunType类，标识训练、评估还是预测阶段。dataSet: DataSet类，训练、评估还是预测阶段数据集。
返回值
初始化的callback列表。
initDataSets
public abstract Map<RunType, Integer> initDataSets(Map<RunType, List<String>> files)
初始化dataset列表。
参数
files: 训练、评估和预测阶段使用的数据文件。
返回值
训练、评估和预测阶段数据集样本量。
getEvalAccuracy
public abstract float getEvalAccuracy(List<Callback> evalCallbacks)
获取评估阶段的精度。
参数
evalCallbacks: 评估阶段使用的callback列表。
返回值
评估阶段精度。
getInferResult
public abstract List<Integer> getInferResult(List<Callback> inferCallbacks)
获取预测结果。
参数
inferCallbacks: 预测阶段使用的callback列表。
返回值
预测结果。
initSessionAndInputs
public Status initSessionAndInputs(String modelPath, MSConfig config)
初始化client底层会话和输入。
参数
modelPath: 模型文件。config: 会话配置。
返回值
初始化状态结果。
trainModel
public Status trainModel(int epochs)
开启模型训练。
参数
epochs: 训练的epoch数。
返回值
模型训练结果。
evalModel
public float evalModel()
执行模型评估过程。
返回值
模型评估精度。
inferModel
public List<Integer> inferModel()
执行模型预测过程。
返回值
模型预测结果。
saveModel
public Status saveModel(String modelPath)
保存模型。
返回值
模型保存结果。
getFeatures
public List<MSTensor> getFeatures()
获取端侧权重。
返回值
模型权重。
updateFeatures
public Status updateFeatures(String modelName, List<FeatureMap> featureMaps)
更新端侧权重。
参数
modelName: 待更新的模型文件。featureMaps: 待更新的模型权重。
返回值
模型权重。
free
public void free()
释放模型。
setLearningRate
public Status setLearningRate(float lr)
设置学习率。
参数
lr: 学习率。
返回值
设置结果。
setBatchSize
public void setBatchSize(int batchSize)
设置执行批次数。
参数
batchSize: 批次数。