6. 캠페인 설정과 서버 시작

📍 지금 어디: Task Owner 6/7 — ① 설계 → ② Task 만들기 → ③ Workspace → ④ 학습·게시 → ⑤ 승인 → ⑥ 캠페인 → ⑦ 결과
화면: FedOps Console · 상대편: 서버를 켜면 Client 가 Client 트랙 4장에서 참여를 시작한다 · 다음: 학습을 지켜보고 결과를 읽는다

🎯 이 단계에서 하는 일: 이번 연합학습 한 판(캠페인)의 규칙 — 몇 라운드를, 한 라운드에 몇 명이 참여하면, 어떤 방식으로 합칠지 — 을 정하고, 파라미터를 모아 합칠 집계 서버를 켭니다. 이 튜토리얼에서 옵션이 가장 많고, 결과에 가장 직접 영향을 주는 단계입니다.

  1. 1) 집계 서버 만들기
  2. 2) 캠페인 규칙 정하기
    1. ⚙️ 옵션 해설 — 캠페인
      1. Global model evaluation
  3. 3) 서버 시작
    1. ⚙️ 해설 — Start FL server 를 누르면 고정되는 것
  4. 4) Client 에게 알리기
  5. ✅ 체크리스트
  6. 안 되면
  7. 다음 단계
flowchart LR
  A["서버 만들기<br/>(자원 할당)"] --> B["캠페인 규칙<br/>저장"] --> C["서버 시작<br/>라운드 1 대기"] --> D["Client 가 붙으면<br/>라운드 진행"]

1) 집계 서버 만들기

FedOps Console → My Federated Tasks → handson-heart 로 들어갑니다.

Server Management 탭

  1. Server Management 탭을 누른다.

Create scalable server 버튼

  1. 아래로 내려 Server lifecycle 의 Create scalable server 를 누른다. 확인 창 없이 바로 만들기 시작합니다.

FL Server created 상태와 Refresh status

맨 위 Runtime overview 의 FL server 칸이 FL Server Creating → FL Server created 가 될 때까지 기다립니다. 2026-10-20 실측 1분 30초.

  1. 바뀌지 않으면 Refresh status 를 누른다.

“만들기”와 “시작”은 다릅니다. 여기서는 클라우드에 서버가 돌 자리(컴퓨팅 자원)를 마련할 뿐이고, 연합학습은 아직 시작되지 않습니다.

2) 캠페인 규칙 정하기

Rounds 2, Clients per round 2, Check evaluation setup, Save campaign

  1. Rounds 를 정한다.
  2. Clients per round 를 정한다. 기본값이 1 이니 2 로 바꾼다. (아래 표 참고)
  3. Check evaluation setup 을 누른다. 서버가 FL Server created 가 된 뒤에 누르세요. 그 전에 누르면 Validation check unavailable 이 나옵니다.
  4. Save campaign 을 누른다.
상황RoundsClients per round
혼자 연습 (Owner 가 Client 도 함)21
이 튜토리얼 (Owner + Client 1명)22 — 두 병원 모두 참여해야 라운드가 진행됨
병원을 더 받을 때 (예: VA 병원까지 3명)2 이상실제 참여 인원

Evaluation setup ready 와 Saved

초록 Evaluation setup ready 와 Saved 가 보이면 됩니다.

⚙️ 옵션 해설 — 캠페인

옵션무엇을 정하나늘리거나 바꾸면이 튜토리얼
Rounds서버가 “배포 → 로컬 학습 → 합치기”를 몇 바퀴 돌지 (1 이상)늘리면 Global Model 이 더 다듬어질 수 있지만 시간과 통신이 늘고, 어느 순간부터는 거의 좋아지지 않는다2 — 흐름을 보는 것이 목적이라 짧게. FedOps 템플릿의 권장값도 2
Clients per round한 라운드에서 몇 명이 학습을 마쳐야 서버가 합치는지 (1 이상)늘리면 한 라운드에 더 많은 데이터가 반영되지만, 그 인원이 모일 때까지 서버가 기다린다. 실제 참여 인원보다 크면 라운드가 시작되지 않는다2 — 실제로 참여할 인원 수(Owner + Client)
Aggregation strategy파라미터를 합치는 방법FedOps 1.3 에서는 FedAvg 하나만 고를 수 있다. 목록은 게시한 Release 가 지원한다고 선언한 방식에서 온다FedAvg
Global model evaluationGlobal Model 의 점수를 어디서 매기는지아래 따로 설명Validation OFF · Client metrics

Global model evaluation

선택지점수를 매기는 곳필요한 것장단점
Validation OFF · Client metrics각 Client 가 자기 test 데이터로 평가하고, 서버는 그 점수를 데이터 수에 비례해 가중 평균없음Owner 가 검증 데이터를 따로 준비하지 않아도 된다. 대신 병원마다 데이터가 다르면 점수의 기준도 달라진다
Validation ON · Server evaluation서버가 Owner 가 올린 공통 검증 데이터로 Global Model 을 직접 평가Studio 에서 올린 서버 검증 데이터셋, Check evaluation setup 통과모든 라운드를 같은 잣대로 비교할 수 있다. 대신 Owner 가 대표성 있는 검증 데이터를 갖고 있어야 하고, 그 데이터가 서버로 올라간다

이 튜토리얼은 OFF 를 씁니다. Owner 가 서버에 데이터를 올리지 않고도 연합학습이 돌아가는 기본 형태이기 때문입니다. 템플릿의 config.yaml 도 server_evaluation.enabled: false 입니다. ON 은 이 튜토리얼에서 다루지 않습니다.

📚 연합학습 배경 — FedAvg 와 라운드

FedAvg (Federated Averaging) 는 2017년 Google 이 제안한, 가장 기본적인 집계 방식입니다. 각 client 가 보낸 파라미터를 데이터 수에 비례한 가중치로 평균합니다.

Global = (n₁ × 헝가리의 파라미터 + n₂ × 클리블랜드의 파라미터) / (n₁ + n₂)
         n = 각자 이번 라운드에 학습한 행 수 (Client 가 파라미터와 함께 서버에 보냄)

데이터가 많은 병원의 의견이 더 크게 반영됩니다. 이 튜토리얼에서는 클리블랜드(303행)가 헝가리(261행)보다 조금 더 크게 반영됩니다. non-IID 에서는 데이터가 많은 병원의 분포 쪽으로 Global Model 이 기웁니다.

라운드와 로컬 학습의 균형. 각 라운드 안에서 client 는 로컬 데이터로 여러 번 학습합니다. 로컬 학습을 많이 할수록 통신(라운드)은 덜 필요하지만, non-IID 에서는 각자 자기 데이터 쪽으로 멀리 가 버려(client drift) 합쳤을 때 오히려 나빠질 수 있습니다. FedProx 같은 방식이 이 문제를 줄이려고 나왔습니다(FedOps 1.3 에는 없음).

Clients per round 는 “기다림”의 규칙이기도 합니다. 서버는 정해진 인원이 학습을 마칠 때까지 기다립니다. 한 Client 가 Stop Client 로 빠져도 이 값은 자동으로 줄지 않고, 서버는 다른 참여 가능한 Client 를 계속 기다립니다.

3) 서버 시작

Start FL server 와 Show live log

  1. Command console 의 Start FL server 를 누른다.
  2. Show live log 를 누른다.

live log 의 [ROUND 1]

Live server log 맨 아래에 [ROUND 1], server start by round 가 보이면 서버가 참여자를 기다리는 중입니다.

live log 를 위로 올려 보면 AWS 관련 DEBUG 줄이 많이 나옵니다. 그 안에 서버의 접근 키 ID 가 찍히는 줄이 있으니 live log 화면을 캡처해 공유하지 마세요. (FedOps 팀에 전달할 결함입니다)

⚙️ 해설 — Start FL server 를 누르면 고정되는 것

Start FL server 는 다음을 한 묶음으로 고정합니다.

고정되는 것뜻
저장된 캠페인 규칙이번 판의 Rounds·Clients per round·집계 방식
새 캠페인 실행 ID이번 판의 기록이 다른 판과 섞이지 않게
게시된 Release모든 Client 가 같은 코드로 학습하게 (4장)
시작 모델첫 캠페인은 Initial Model, 다음 캠페인은 직전 Global Model vN

그래서 서버가 도는 중에 캠페인 값을 바꿔도 이번 판에는 적용되지 않습니다. 같은 Task 의 서버가 이미 돌고 있으면 중복 시작도 막힙니다.

버튼하는 일
Stop server진행 중인 연합학습 프로세스를 멈춘다
Pause (Server lifecycle)컴퓨팅 자원을 반납하되 필요한 데이터는 보존한다. 실습이 끝나면 누른다
ResumePause 한 서버를 되살린다

4) Client 에게 알리기

서버가 [ROUND 1] 에서 기다리는 지금이 Client 가 참여할 때입니다. Client 에게 “서버를 켰다”고 알리세요. Owner 도 참여자(헝가리 병원)이므로, Owner 자신도 Studio 에서 Client 트랙 3장과 4장대로 Start Client 를 눌러야 두 명이 채워집니다. Client 는 Client 트랙 4장을 진행합니다.

서버를 켜면 참여 준비 점검이 다시 필요합니다. 새 캠페인 서버가 켜지면 Owner·Client 모두 Studio 의 Task Data 가 Check required 로 돌아갑니다. Start Client 전에 Check Participation Readiness 를 다시 눌러 ✓ Local Ready 를 확인합니다. 2026-10-20 Mac(Owner) 에서는 1분 16초 걸렸습니다.

혼자 연습한다면 지금 Studio 로 가서 Client 트랙 3장과 4장을 내 계정으로 진행합니다. Owner 의 Workspace 에는 이미 헝가리 데이터가 있습니다.

✅ 체크리스트

  • Server Management 에서 FL Server created 를 봤다
  • Clients per round 를 실제 참여 인원에 맞췄다
  • Evaluation setup ready · Saved 를 봤다
  • live log 에 [ROUND 1] 이 보였다
  • Client 에게 서버를 켰다고 알렸다

안 되면

증상조치
Start FL server 가 비활성서버가 아직 Creating 이다. Refresh status 로 created 를 기다린다
Validation check unavailable서버가 created 가 되기 전에 Check evaluation setup 을 눌렀다. 기다렸다 다시 누른다
서버가 라운드를 시작하지 않음Clients per round 만큼 Client 가 붙어야 시작한다. 승인한 인원과 실제 참여 인원을 확인한다. Owner 도 Start Client 를 눌렀는지 확인한다
서버를 켰는데 Studio 에 계속 Server OfflineStudio 표시가 몇 분 늦게 바뀔 수 있다. 연합학습 화면의 Refresh 를 누른다
Start Client 를 누르자 [Errno 2] No such file or directory: '…/task-binding.tmp'준비 점검 직후 Studio 가 파일을 쓰는 중에 눌린 것으로 보인다(2026-10-19 Mac 에서 한 번). Refresh 를 누르고 Start Client 를 다시 누르면 된다
Console Monitoring 의 접속 수(online now)가 안 바뀐다Monitoring 은 몇 분 간격으로 갱신된다. Studio 의 상태(waiting_round, training)를 기준으로 본다

다음 단계

7. 학습 지켜보기와 결과 읽기


Back to top

© 2026 Cognitive Computing Lab, Gachon University