FATE

Osc乱弹歌单（2020）请戳（ 这里 ） 【今日歌曲】 @ 米老李 ：分享Joy Gruttmann的单曲《Schnappi》 《Schnappi》- Joy Gruttmann 手机党少年们想听歌，请使劲儿戳（ 这里 ） @ 小鱼丁 ：下次活动奖品买什么好呢 @ 祺爸PiscDong ：我投工学椅一票 嗯， 对！ 椅子不错呀， @ FalconChen ：你还坐上瘾了🤣 @ 小小编辑 ：狗体工程学椅子 对， 你还不能碰他的椅子， 不然后果很严重 “你再踹我椅背，我就向空乘举报你藏毒。” 真是警犬不能惹， 不看乱弹都学不到这些奇怪的知识， 所以大家没事要多看看动弹， @ 莫默磨墨先生 ： 每天上班第一件事看动弹，是不是没救了？ 你又不是老板， 在乎这个干嘛。 老板才会每天灵魂拷问！ @ 金拱门 ：每天都摸鱼，你们对得起自己得工资吗？ 关于这个问题， 我想说， “这就是回公司才拉shi的理由，因为这样才能赚老板的钱 因为我们被榨取了过半的劳动价值，所以把大部分时间用于摸鱼，这个不叫偷懒。” 而且动弹有治愈效果， 云云（@ clouddyy ）就被拯救了， @ clouddyy ：如果没有OSC动弹，我肯定更抑郁 别让自己陷入难过的情绪， “云云（@ clouddyy ），我给你叼来了一个圣剑，保护好自己。” 真是千万别有病， 给身边的人带来太多的负担了， 自己也难受啊，

　　早期网络想要在不同主机之间共享文件大多要用FTP协议来传输，但FTP协议仅能做到传输文件却不能直接修改对方主机的资料数据，这样确实不太方便，于是便出现了NFS开源文件共享程序，NFS是一个能够将多台Linux的远程主机数据挂载到本地目录的服务，属于轻量级的文件共享服务，不支持linux与windows系统间的文件共享。 　　samba服务程序是一款基于SMB协议并由服务端和客户端组成的开源文件共享软件，实现了linux与windows系统间的文件共享。 1. SMB实现linux与windows文件共享 　　 所有操作之前安装samba 　　yum install samba （1）检查当前是否为user验证模式 security = user passdb backend = tdbsam （2）创建共享文件夹 mkdir /home/fate/sharedir （3）添加共享文件夹信息 cd /etc/samba/smb.conf [fate0729] comment = Do not arbitrarily modify the database file path =/home/fate/ sharedir public = no writable = yes [sharedir] comment = Do not arbitrarily modify the

转自：https://blog.csdn.net/z2066411585/article/details/81239446 用法：配置[选项] 选项：[描述后括号中的默认值] 帮助选项： --help 打印此消息 --quiet 抑制显示信息输出 --list-decoders 显示所有可用的解码器 --list-encoders 显示所有可用的编码器 --list-hwaccels 显示所有可用的硬件加速器 --list-demuxers 显示所有可用的解复用器 --list-muxers 显示所有可用的复用器 --list-parsers 显示所有可用的解析器 --list-protocols 显示所有可用的协议 --list-bsfs 显示所有可用的比特流过滤器 --list-indevs 显示所有可用的输入设备 --list-outdevs 显示所有可用的输出设备 --list-filters 显示所有可用的过滤器 标准选项： --logfile = FILE日志测试并输出到FILE [ffbuild / config.log] --disable-logging不记录配置调试信息 - 如果生成任何配置警告，则-fatal-warnings将失败 --prefix = PREFIX安装在PREFIX [/ usr / local] -bindir = DIR在DIR

*本文作者系VMware云原生实验室工程师 彭路 使用 KubeFATE 在 kubernetes 上部署 FATE 集群时，提供了两种部署方式： KubeFATE 服务和 KubeFATE 命令行工具。用户可以选择喜欢的方式来部署 FATE 集群。 有以下几个配置文件需要注意： rbac-config.yaml ， kubefate.yaml ， config.yaml ， cluster.yaml ， cluster-serving.yaml 。 rbac-config.yaml 创建 KubeFATE 所需要的 Namespace 和 ServiceAccount 。给 ServiceAccount 绑定角色。 kubefate.yaml 将 KubeFATE 服务部署到 kubernetes 上。包括两部分： KubeFATE 服务和 MongoDB 数据库。 KubeFATE 服务 KubeFATE 服务有三部分： Deployment ， Service 和 Ingress 。下面分别介绍一下配置项。 Deployment ： env: - name: FATECLOUD_MONGO_URL value : "mongo:27017" - name: FATECLOUD_MONGO_USERNAME value : "root" - name: FATECLOUD

3 月，跳不动了？>>> 概述 在前面的文章中，我们介绍过如何使用KubeFATE来部署一个单节点的FATE联邦学习集群。在真实的应用场景中，联邦学习往往需要多个参与方联合起来一起完成任务。基于此，本文将讲述如何通过KubeFATE和Docker-Compose来部署两个参与方的FATE集群，并在集群上运行一些简单的测试以验证其功能的完整性。 FATE集群的组网方式 联邦学习的训练任务需要多方参与，如图1所示，每一个party node都是一方，并且每个party node都有各自的一套FATE集群。而party node和party node之间的发现方式有两种。分别是点对点和星型。默认情况下，使用KubeFATE部署的多方集群会通过点对点的方式组网，但KubeFATE也可以单独部署Exchange服务以支持星型组网。 图 1 FATE集群组网方式 使用KubeFATE和Docker-Compose部署两方训练的集群 KubeFATE的使用分成两部分，第一部分是生成FATE集群的启动文件（docker-compose.yaml），第二个部分是通过docker-compose的方式去启动FATE集群。从逻辑上可将进行这两部分工作的机器分别称为部署机和目标机器。 Figure 1部署机目标机关系图 目标 两个可以互通的FATE实例，每个实例均包括FATE所有组件

Do you think life is sum of choices? You do something and I react. You do it often enough, my reaction changes. Those choices define who we are. No? Who we are is not about choices? Or will you call it fate? You’re who you are, I am what I am, and the game only ends one way. I pity you. Nothing you are is true. I have to live with the fact that the woman I loved would rather fuck around with some guy who has a wife and daughter than give me a chance to hold her hands. You have to live with the fact that you left an honest man to DIE. 来源： oschina 链接： https://my.oschina.net/u/3911979/blog

近日，微众银行联邦学习FATE开源社区迎来了两位新贡献者——来自腾讯的刘洋及秦姝琦，作为云计算安全领域的专家，两位为FATE构造了新的功能点，并在Github上提交修复了相关漏洞。从FATE的面世，到贡献者激励制度的推出，参与开源社区建设的数据安全行业从业者不断踊现，FATE在业内的关注度、价值认可度逐步提升，联邦学习生态正进一步深化及拓展。 AI时代数据安全问题严峻，联邦学习是必经解决路径 人工智能的发展与普及不断改变着人们的生活方式，但AI的实现离不开海量数据源的支撑。自大数据上升为国家战略后，其产业和应用得到了快速发展，但是在数据丰富程度、数据质量、数据共享、大数据平台安全和大数据产业生态等领域上，这一行业仍有许多亟待解决的问题。 作为一种基于多方安全计算的分布式机器学习技术，联邦学习能让参与各方可以在不披露底层数据和底层数据的加密(混淆)形态的前提下共建模型，在行业应用中帮助不同机构打破隔阂，进行AI协作，同时各方的数据都不出本地，让用户隐私得到保护。这样一种共赢的机器学习方式，让联邦学习成为了AI时代大数据安全及隐私保护的必备技术。 FATE（Federated AI Technology Enabler）是全球首个联邦学习工业级开源框架，由微众银行AI团队推出，从GitHub开源，到贡献者激励机制的发布，微众银行AI团队期望拥抱所有从业者，以开放的姿态，共建联邦学习生态

数据孤岛、数据隐私以及数据安全，是目前人工智能和云计算在大规模产业化应用过程中绕不开的“三座大山”。 “联邦学习”作为新一代的人工智能算法，能在数据不出本地的情况下，实现共同建模，提升AI模型的效果，从而保证数据隐私安全，突破数据孤岛和小数据的限制，这无疑成为了跨越“三座大山”的途径之一。因此，作为联邦学习全球首个工业级开源项目，FATE也受到了各方关注，开发者们对加入社区建设纷纷表示期待。（FATE开源社区地址：https://github.com/FederatedAI/FATE） 而在贡献者激励机制推出以后，FATE开源社区迎来了首位一级贡献者——来自腾讯云的刘洋。联邦学习怎样赋能行业数据安全？隐私保护从业者怎样评价FATE？刘洋博士在采访中表达了自己的看法。 数据运算提效70% 加速企业应用落地 博士毕业于澳大利亚国立大学的刘洋，同时是腾讯云的高级研究员，负责腾讯神盾沙箱的隐私保护算法部分。刘洋表示，因自身从业领域的缘故，从年初就开始密切关注着“联邦学习”。 也因此，FATE进入了其视野，受到了刘洋及腾讯云团队的重点关注。在对FATE进行深入了解后，刘洋认为腾讯神盾沙箱打造的隐私安全+分布式学习的理念，与FATE要解决的“数据安全”“数据隐私”“数据合规”三大问题不谋而合，并逐步开始使用FATE满足神盾沙箱的功能需求。 刘洋表示，经过长期接触后