- 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
-
Notifications
You must be signed in to change notification settings - Fork 0
tabeagnade/privacy_preserving_document_classification
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
About
No description, website, or topics provided.
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published