FATE 是一个工业级联邦学习框架，所谓联邦学习指的就是可以联合多方的数据，共同构建一个模型；与传统数据使用方式相比，它不需要聚合各方数据搭建 数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的，实现数据的 可用不可见。本文主要分享隐私计算平台 FATE

异构图中节点的分类/回归导入包importnumpyasnpimporttorchimportdglimporttorch.nnasnnimporttorch.nn.functionalasFimportdgl.nnasdglnn创建一个异构图设置这个图中的节点个数和边的个数n_users=100#user节点个数n_jobspre=500#jobpre

综述为了让任务模型的构建更加灵活，目前FATE使用了一套自定的领域特定语言(DSL)来描述任务。在DSL中，各种模块（例如数据读写data_io，特征工程feature-engineering，回归regression，分类classification）可以通向一个有向无环图（DAG）组织起来。通过各种方式，用户可以根据自身的需