洛阳网站推广怎么做/社群营销的十大案例
【私信获取圆桌会视频】
5月26日，FATE开源社区第九期圆桌会圆满落幕。本次圆桌会，微众陈伟敬为我们分享了SecureBoost：挑战千万级别样本训练之性能提升篇。
接下来带大家回顾经典问答环节，为新老朋友答疑解惑。
问答环节
● Q1：
想问下fast-sbt在不同数据上和hetero-sbt对比？
● A1：
以fast sbt的mix模式为例，mix模式下，一代用guest的特征建树，一代用host的特征建树，以此往复，这样很像是跑hetero-sbt时对特征做一个列采样。我们在几份样例数据上测试fast-sbt，最终达到的效果是差不多的，但是fast-sbt它可能会需要多跑一些代数，最终才能达到hetero-sbt的效果。
● Q2：
为什么没有使用lightGBM的优化呢，Xgboost只是lifewise，leafwise ?
● A2：
Xgboost是层优先的，layer-wise，是一层一层的构建的，lightgbm的是leafwise，lightgbm用到的goss, 直方图相减FATE-1.6都是用到了的。
● Q3：
1.7的升级会在架构上和1.6有很大差别吗？还是侧重于训练过程优化？
● A3：
4月圆桌我们有对1.7进行展望，有兴趣可以去回顾（文末有链接），1.7fate-flow等会拆分，架构会有比较大的变动。
● Q4：
想问下sbt安全性问题，目前像mix模式, host方的完整树结构是需要发给guest，这会不会有一定安全性问题。
● A4：
mix模式，host树结构是不会发给guest的。
● Q5：
有没有考虑实现密文下比大小的操作？这样host就不需要回传分裂点给guest。
● A5：
是在host做分裂点收益比较吗？目前在同态加密的情况下，在host没有办法计算出分裂点收益，所以也就没办法进行比较了。
● Q6：
用eggroll来做的计算框架，用单机standalone的时候，按照我的CPU的核数来分配的，就是单机的，后来我变成集群模式的时候，也是相当于核数有几台就扩充了几台，总核数都利用上，但是在效果上发现训练时长甚至比原来单机的时间还要长，不知道有没有这方面的一个排查问题的思路？
● A6：
配置里面会有一些并发参数，有两个参数，一个是 computing_partition: 数据的分块，分了几个partition；还有一个是task_cores：并行的时候，用上多少个核，如果没有配上的话，确实有可能是跑得比较慢的，另外一个情况是集群模式下有调度和网络传输开销。
● Q7：
（接上一个问题）这两个参数都是有配置的，而且配置了48，和我们的核数符合。
● A7：
在运行Hetero-SBT的时候，我们这边也碰到一种情况，partition越大的时候，写出的时候，每个partition就会涉及一个加密直方图写出的过程，这个过程每个partition根据key将结果分发到不同的nodemanager上，这是一个shuffle的过程。那么这种情况下涉及IO开销和调度开销。所以当你数据量不是很大，计算已经很快了，那增大partition可能会导致其他方面有出现瓶颈。
● Q8：
（接上一个问题）所以其实有的时候是需要去减少分区数量？
● A8：
是的，数据量比较小，或者计算性能提升到极致后，会导致有其他瓶颈的情况出现。
● Q9：
（接上一个问题）所以你建议的一个优化的方案就是说适当去减小分区数吗？
● A9：
理论上来说计算和IO调度等消耗是有一个平衡点的，并不是无限的增大资源，就一定会提升速度。
以下为本次圆桌会的部分内容介绍，添加小助手可获取详细资料：
以上就是本次圆桌会互动环节内容。
想报名参与下一期的圆桌会？
或者对以上内容还有疑问，
私信获取协助。