SecretPad组件库中是否有神经网络类模型训练和模型预测组件

[zhangyufenggit]

SecretPad组件库中是否有神经网络类模型训练和模型预测组件

[zimu-yuxi]

没有，secretpad所有组件可以参考官网组件说明

[zhangyufenggit]

没有，secretpad所有组件可以参考官网组件说明

我看这个文档中咱们SPU中是有神经网络的，理论上能否按照组件扩展标准封装成一个组件呢？
https://www.secretflow.org.cn/zh-CN/docs/secretflow/v1.12.0b0/tutorial/nn_with_spu

[zimu-yuxi]

是的，secretpad定义的有nn的组件，但是需要使用secretflow的FULL版本镜像，而非lite镜像，同时修改下kuscia的注册的镜像，然后将application.yaml隐藏的组件打开，看下该组件是否满足
如果不满足，可以二开SecretFlow来自己定义新的组件

[zhangyufenggit]

是的，secretpad定义的有nn的组件，但是需要使用secretflow的FULL版本镜像，而非lite镜像，同时修改下kuscia的注册的镜像，然后将application.yaml隐藏的组件打开，看下该组件是否满足 如果不满足，可以二开SecretFlow来自己定义新的组件

老师，在all-in-one部署方式下，【使用secretflow的FULL版本镜像】、【修改kuscia的注册的镜像】具体操作步骤是什么呢？谢谢

[zimu-yuxi]

1.可以看下现在secretflow镜像名中有-lite，去掉就可以，可以docker pull来拉
2.镜像注册参考这里

[zhangyufenggit]

1.可以看下现在secretflow镜像名中有-lite，去掉就可以，可以docker pull来拉 2.镜像注册参考这里

老师，目前我已经注册好secretflow的full版本镜像，组件库也已经可以看到该组件，但实际运行的时候报错，麻烦帮忙看下这个环境变量在哪里配置呢，具体调整哪个yaml文件呢？

[zimu-yuxi]

参考此处，尝试在appimage的env中增加

[zhangyufenggit]

前置工作都已经完成了，目前可以看到神经网络组件了，但运行时报错，附件为all-in-one部署的两个节点相关日志，node148为发起方，也是Y方，麻烦帮忙看下是什么问题，谢谢！

node148.tar.gz

node149.tar.gz

[zimu-yuxi]

确认下，secretpad和使用的Secretflow版本分别是多少

[zhangyufenggit]

确认下，secretpad和使用的Secretflow版本分别是多少

secretpadImage版本：0.12.0b0
secretflowImage版本：1.11.0b1

[zimu-yuxi]

方便提供下组件配置详细的截图吗？
看日志报错很多，有输入的特征数和模型期望的特征数不一致

[zhangyufenggit]

1、特征列：

2、标签列：label 3、模型：（组件默认，未修改） # pre imported:# import tensorflow as tf# from tensorflow import Module, keras# from tensorflow.keras import Model, layers# from tensorflow.keras.layers import Layer# from secretflow.ml.nn import applications as appsdef create_base_model(input_dim, output_dim): model = keras.Sequential( [ keras.Input(shape=input_dim), layers.Dense(100, activation="relu"), layers.Dense(output_dim, activation="relu"), ] ) return modeldef create_fuse_model(input_dim): input_layers = [keras.Input(input_dim), keras.Input(input_dim)] merged_layer = layers.concatenate(input_layers) fuse_layer = layers.Dense(64, activation='relu')(merged_layer) output = layers.Dense(1, activation='sigmoid')(fuse_layer) return keras.Model(inputs=input_layers, outputs=output)hidden_size = 64fit( client_base=create_base_model(12, hidden_size), server_base=create_base_model(4, hidden_size), server_fuse=create_fuse_model(hidden_size),) 4、其它也都是默认参数，未修改：

[zhangyufenggit]

是不是和使用的数据有关呢？咱们有验证这个组件的测试数据么？是否可以发给我，我验证一下，谢谢。

[zhangyufenggit]

麻烦问下这个问题有进展么，谢谢