Skip to content

tabeagnade/privacy_preserving_document_classification

Repository files navigation

  • Installieren der packages aus requirements.txt (z.B. mit "pip install -r requirements.txt")
  • in globals.py gewünschtes Parameter eingeben
  • Initiales Trainieren:
    • in globals.py model, embedding und szenario eingeben
    • python modelCreator.py (Breakpoint in Zeile 145) um Ergebnis zu sehen
  • Basisszenario:
    • in globals.py: szenario = "serverTraining" und gewünschtes embedding und model
    • python modelCreator.py
  • Server Training:
    • in globals.py: szenario = "serverTraining" und gewünschtes embedding und model
    • python modelCreator.py
    • python serverApi.py
    • in anderem Fenster python client.py
      • bei Eingabeaufforderung: trainTest
  • Federated Learning:
    • in globals.py: szenario = "federatedLearning" und gewünschtes embedding und model
    • python modelCreator.py
    • python serverApi.py
    • in anderem Fenster python client.py
      • bei Eingabeaufforderung: trainTest

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages