背景

自己定义了模型后，需要自行定义训练方式。

这里文档给了方法，但是大部分还是需要自己看源码摸索。

• https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/Homo-NN-Customize-Trainer/
• https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/Homo-NN-Trainer-Interfaces/
  文档写的也有疏漏哈哈，最后我还是自己找到了，就是上面2个链接：
  

我的做法

在federatedml.nn.homo.trainer里面加入自己的trainer。
我自己直接复制了原先的FedAvgTrainer的代码，然后改掉了train的代码成自己代码了。

有几个注意的点

• Fateboard中打印loss：找callback_loss，参照FedAvgTrainer的代码加上就行，loss已经在base类里实现了，你也参考call back loss的代码可以直接新写个指标。

我碰到的坑是：必须float+cpu()一下、或者用item()取值才行，即便是我的torch版本是支持cuda的，不然报错。我的写法是self.callback(float(my_loss.cpu().detach()), idx)，但是我打印了FedAvg的loss他本身是numpy类型的，但是我直接numpy()就不行。不知道怎么回事。

self.callback(my_loss.cpu().detach().numpy(), idx)，不报错，但是Fateboard加载不出来
self.callback(my_loss, idx)，报错，说cuda available是False，我真醉了

• FedAvgTrainer中federation process是与是否收敛convergence相关的，加入那段代码能有快速结束训练的效果（达到收敛标准可立即结束，跟early stopping差不多）。