-
Notifications
You must be signed in to change notification settings - Fork 77
FAQ
此处会列出关于 FATE-Serving 的常见问题以及相应的注意事项和解决方案。
Q：请问集群模式中的host和guest是什么作用的，是表示角色权限吗？还是表示联邦学习中的多方？
A：可以理解为guest为数据使用方，host为数据提供方
Q：请问在线预测流程是怎么样的？
A：双方使用共同模型，由数据使用方（Guest）发起请求，对样本数据进行处理，再获取数据提供方（Host）对样本数据的处理结果，进行整合
Q：请问使用GRPC预测需要在host和guest分别执行python inference_request.py 192.168.1.1:8000吗？
A：只需要在guest执行就好，数据会由guest处理后交给host端再处理，最后返回给客户端一个合并的值
Q：请问在线预测接口中feature_data里的特征两方各写各的吗？是在哪一方执行？
A：在线预测在guest方发起，feature_data的参数会由Guest处理后交给Host端再处理
Q：请问serving-proxy组件的路由表应该要怎么样配置？
A：请参考路由表配置
Q：请问在生产环境使用，是只需要部署FATE-Serving吗，还是需要和FATE一起部署？
A：离线是FATE，在线：FATE-Serving，需要一起部署，离线训练好模型后，fateflow会根据配置文件中serving的地址，将加载模型的请求发送到serving上，这一步需要手动触发，之后FATE-Serving会从eggroll拉取并加载模型，完成之后就可以接受在线请求。
Q：请问用fate_flow发布了publish_load_model.json和publish_online_model.json之后，怎么向fate-serving发在线推理请求？
A：目前fate-serving 提供grpc/http接口对外，接口协议在fate-serving源码中inference_service.proto有提供，http接口仅1.2.0以上版本支持，具体可查看ProxyController.java源码
Q：请问我在在线推理过程中出现110问题，在FATE—Serving-server下的配置文件serving-server.properties中roll应配置谁的ip地址呢？
A：这个需要检查roll的IP端口是否正确，然后还需要检查模型是否在eggroll中存在 IP配置成fate中eggroll中roll 的地址，standaloneStorage Path 在work mode为0的时候使用，只有在fate为单机模式时这样配置。还需要确认的是配置roll的地址时，guest和host不要弄错，弄错也是找不到模型。 目前跟router的互联有两种模式，一种使用zk，另一种不使用zk，如果使用zk，proxy地址写127.0.0.1+端口就好，理论上格式正确都可以，如果使用zk，则将useRegister和useZkRouter都改为true，配置文件中填入zk地址就好 。如果不使用zk则需要在proxy的位置填入正确的router的端口ip
Q：请问一下Fate-serving 已经把模型缓存了，然后他在加载这个缓存模型的时候出现了Illegal char in base64 code错误，是我在哪配置的有问题吗?
A：这种情况可能是存在之前使用过旧的版本，成功推过模型，建议清空用户目录下.fate文件夹内缓存数据
Q：请问你下预测请求中，featureIds的作用是什么吗？
A：这里的值会由guest传递给host端，并由host端通过这些id查询自己的系统获取特征，然后计算并返回guest计算结果，新版1.1.2中有专门的一个字段sendToRemoteFeatureIds用于明确表示这里面的值是会传给对端的
Q：您好，请问在在线推理的过程中，我在guest中load跟bind模型了，然后调用inference_request.py的时候可以得到一个score，但是我修改host端host_data.csv的特征值的时候score并没有改变，查看日志显示modelinfo为null，请问我是应该在host端也要load跟bind模型才行吗？
A：不需要，你在使用 fateflow 推模型的时候，会Guest和Host联动推模型的
Q：请问为什么预测时Guest传入的参数和Host获取到的不一致？
A：请检查serving-server.properties中InferencePreProcessingAdapter的配置，此处配置了前置处理