快速安装 编译和安装 源码编译和安装 通过 docker 安装 客户端工具 操作XuperDB 操作Distributed AI 案例应用-线性回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 案例应用-逻辑回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 系统详解 部署架构 计算需求方(Requester) 任务执行节点(Executor 持有节点确认数据使用权，由 任务执行节点最终执行。 算法 PaddleDTX中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学 习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 训练样本和预测数据集 PaddleDTX中的训练样本和预测数据集都是以文件的形式存储于中心化存储网 络，在发布训练任务或者预测任务的时候，由计算需求节点指定。 模型 算法和训练样 到最终结 果。 正在进行中 我们即将支持的主要功能如下: 1. 支持更多的机器学习算法和对应的分布式改造，主要包括神经网络、决策 树等； 2. 支持横向联邦学习算法，计划先对多元线性回归和多元逻辑回归进行改 造； 3. 提供联邦学习训练参数的评估能力，通过交叉验证等方式评估训练参数的 优劣； 4. 优化目前使用的加法同态算法Paillier的性能； 5. 去中心化存储服务支持负载

快速安装 编译和安装 源码编译和安装 通过 docker 安装 客户端工具 操作XuperDB 操作Distributed AI 案例应用-线性回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 案例应用-逻辑回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 系统详解 部署架构 计算需求方(Requester) 任务执行节点(Executor 持有节点确认数据使用权，由 任务执行节点最终执行。 算法 PaddleDTX中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学 习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 训练样本和预测数据集 PaddleDTX中的训练样本和预测数据集都是以文件的形式存储于中心化存储网 络，在发布训练任务或者预测任务的时候，由计算需求节点指定。 模型 算法和训练样 时，可获得一系列评估指标，展示训练效果变化趋势。 正在进行中 我们即将支持的主要功能如下: 1. 支持更多的机器学习算法和对应的分布式改造，主要包括神经网络、决策 树等； 2. 支持横向联邦学习算法，计划先对多元线性回归和多元逻辑回归进行改 造； 3. 优化目前使用的加法同态算法Paillier的性能； 4. 去中心化存储服务支持负载均衡策略，根据存储节点剩余资源和以往表现 情况，在文件分发时找到最优节点列表。 快速安装

例如，我们打算绘制一只白色的女鬼： 如果只是画成这种实心的白色，我们不好说她到底是真的鬼还是白得发亮。最 好还是要营造出一种半透明的漂浮在空中的感觉。在女鬼的图层单击右键，添 加一个透明度蒙版。我们在蒙版上应用一个线性的黑白渐变，黑色一端在画面 下方，白色一端在画面上方。 蒙版上的颜色越黑，人物图层的颜色就越透明，这下就有点女鬼的意思了！ 蒙版这个名字最初起源于电影行业，它和前面提到的留白胶作用类似。Krita 常用的二轴测透视在这个基础上有一点变化，即两条斜线和垂直线之间的 夹角为 116.565°，这可以通过把辅助尺吸附到网格来实现。 三轴测 在此透视法下，三条参考线之间的夹角都不一样。可以把它看作是稍微倾 斜的等轴测透视。 线性透视 单点透视 要组建单点透视，先在画面中间放置一个灭点辅助尺，然后在水平和垂直 方向上各放置一条平行直线辅助尺。 二点透视 要组建二点透视，可在画面两侧各放置一个灭点辅助尺，然后在垂直方向 (如图红线所示)。 这样我们便利用了横穿第一根枕木对角线的斜线来确定其他枕木的位置： 因为除了平行于地平线之外的每条线都会指向一个灭点，所以在线性透视中实 际上可以有无限多个灭点，Krita 也允许你自由设定灭点的位置。 鱼眼透视 鱼眼透视和线性透视的工作原理大体上是一致的，最大的不同是在鱼眼透视里 面任何平行的线条都具有两个灭点，一边一个。 要构建一组鱼眼透视，最简单的办法就是在水平和垂直方向上建立两个位置重

BCOS支持x86_64和aarch64（ARM）架构的CPU 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的 稳定性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。

BCOS支持x86_64和aarch64（ARM）架构的CPU 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的 稳定性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。

BCOS支持x86_64和aarch64（ARM）架构的CPU 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的 稳定性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。

开发手册 内存要求 硬件要求 注解 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的稳定 性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。

make doc 硬件要求 注解 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的稳定 性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。

BCOS支持x86_64和aarch64（ARM）架构的CPU 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的 稳定性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。

BCOS支持x86_64和aarch64（ARM）架构的CPU 由于节点多群组共享网络带宽、CPU和内存资源，因此为了保证服务的 稳定性，一台机器上不推荐配置过多节点。 下表是单群组单节点推荐的配置，节点耗费资源与群组个数呈线性关系，您 可根据实际的业务需求和机器资源，合理地配置节点数目。 配置 最低配置 推荐配置 CPU 1.5GHz 2.4GHz 内存 1GB 8GB 核心 1核 8核 带宽 1Mb 10Mb 方法一就是 常见的互联网分布式系统的做法，方法二是区块链。 可见，目的不同，导致 设计哲学、系统结构、最终效果都不同。 如何把“好钢用到刀刃上” 综上所述，区块链这种“分布式系统”，存储成本和节点数同比线性增加，而 计算效率不升反降，使整个系统显得“贵”和“重”，这和互联网服务的“轻快 灵”相背而驰。最要命的是，难以通过增加硬件、带宽、节点数来显著提升并 行处理能力和存储量。 但区块链的“网络规模效应”并不体现在硬件和计算 不同的账本，区块链节点可以根据业务关系选择群组加入，参与到对应账本 的数据共享和共识过程中。群组架构具有良好的扩展性，一个机构一旦参与 到这样的联盟链里，有机会灵活快速地丰富业务场景和扩大业务规模，而系 统的运维复杂度和管理成本也线性下降。 隐私保护：各群组之间解除耦合独立运作 回想一下群聊场景：群聊用户都在你的通信录中，都是经过验证才添加的， 且不在群里的用户看不到群聊信息。这与联盟链准入机制不谋而合，所有参 与者的机构身份可知。