拆分学习

拆分学习的概念

拆分学习的核心思想是拆分网络结构。每一个参与方拥有模型结构的一部分，所有参与方的模型合在一起形成一个完整的模型。训练过程中，不同参与方只对本地模型进行正向或者反向传播计算，并将计算结果传递给下一个参与方。多个参与方通过联合模型进行训练直至最终收敛。

例子：

Alice持有数据和基础模型。Bob只有数据、基础模型和fuse模型。

1. Alice使用自己的数据和基础模型得到 hidden0，然后发送给Bob。

2. Bob使用自己的数据和基础模型得到 hidden1。

3. Agg Layer使用 hidden_0 和 hidden_1 作为输入，并输出聚合后的隐层。

4. Bob把聚合后的隐层作为fuse模型的输入，计算得到梯度。

5. 梯度被拆分成两部分，分别返回给Alice和Bob。

6. Alice和Bob使用各自收到的梯度更新基础模型。

拆分学习模型

隐语提供 SLModel 用来定义拆分学习模型。您可以按照教程来学习如何使用。

教程

• 拆分学习：银行营销

• 图神经网络拆分学习