Fractal App核心界面全解：设备注册、模型训练与遥测仪表盘实战使用教程

Fractal App 是开源项目FractalWorkspace中的 Android 端应用（FractalAndroid），它是整个联邦学习生态的"边缘计算节点"。通过 Fractal App，你可以完成设备注册、启动模型训练，并借助遥测仪表盘实时查看电池、CPU、内存与温度等系统指标。本教程带你逐个界面走一遍真实使用流程，帮助新手快速上手。

如果你希望本地运行完整工作区，可先获取代码：

git clone --recursive https://gitcode.com/gh_mirrors/fr/FractalWorkspace

App 源码位于 FractalApp/FractalAndroid/，服务端控制平面位于 FractalCore/。

30秒速览：Fractal App 在联邦学习生态中的位置

Fractal 把"中心化模型编排"与"去中心化边缘智能"连接在一起：

核心原则是原始数据永不离开手机：服务端只下发任务描述与模型权重，设备只回传训练出的检查点增量（.ckpt），隐私与设备健康被严格保护（详见 README.md）。

App 底部导航固定为三个标签页：Device（设备）、Home（主页）、Model（模型），所有核心操作都围绕这三块展开。

设备注册教程：Device Authorization 界面 3 步完成

新设备加入集群的第一步是"设备授权"（Device Authorization），它也是整个工作流的入口：

1. 填写账号信息：依次输入 Username（用户名）、Email（邮箱）、Password（密码），右侧的眼睛图标可切换密码可见性；
2. 同意条款：勾选 "I Agree To Terms And Conditions"；
3. 点击 Login/Register：注册成功后自动跳转 Home 主页，该设备随即被登记为可被调度任务的边缘节点。

💡 忘记密码时，点击 "Forget Password" 链接：输入邮箱获取 OTP 验证码，设置新密码后回到登录界面。

注册完成后可在Registered Info页面查看设备信息汇总——系统会在注册过程中采集设备关键参数（硬件规格、网络类型等）并展示给你确认，这些信息将用于服务端判断该设备能否承接训练任务。

首次启动时，App 会先展示About Us引导页，说明 Fractal "利用联邦资源调度与分布式负载编排" 的核心理念，点击GET STARTED即可进入设备注册流程。

遥测仪表盘实战：Home 主页资源监控

注册成功后进入 Home 主页，这里就是 Fractal App 的设备端遥测仪表盘，实时展示四项关键指标：

• Computation Usage（计算占用）
• Processor Usage（CPU 占用）
• Ram Usage（内存占用）
• System Temperature（系统温度）

一键激活/暂停本地训练

主页中央的大图形（配合百分比）是训练状态开关：

• 白色（Inactive）→ 点击后变黑色（Active），表示该设备开始参与本地模型训练；
• 黑色（Active）→ 点击后恢复白色，立即暂停训练任务。

硬件门槛（Telemetry Permit）机制

并非任何时刻都会执行训练。系统会持续采样设备状态，只有同时满足以下条件才会放行计算：

这就是 Fractal "以人为中心" 的设计：你的手机永远是主人，算力贡献永远是"顺路"行为。

Device Insights：设备体检与一键优化

在 Device 标签页的Device Insights界面还能看到更细粒度的信息：电池百分比、是否在充电、当前网络（Wi-Fi / Cellular）、设备待机时长、功耗、临时存储占用与后台任务数量，并提供一个Optimize按钮，一键清理无关的后台任务，为训练释放资源。

模型训练界面使用：跟踪进度与性能指标

点击底部Model标签进入模型训练界面，这是观察训练过程最直接的窗口，核心指标包括：

• Overall Performance：模型综合性能（示例中为 93%）；
• Estimated Time Left：预计剩余时间；
• Epochs Completed：已完成的训练轮次占比；
• Inference Testing：推理测试进度；
• Training Model Mode：当前训练模式（如 Image CNN 图像分类模型）。

训练在设备本地由 TFLite 引擎执行：App 读取服务端下发的二进制数据分段（.bin），以批次方式做本地梯度下降，每个批次实时回传 loss 与进度条。训练完成后，检查点（checkpoint.ckpt）通过POST /api/model/upload上传到 FractalCore，服务端完成FedAvg 联邦平均，进入下一轮全局模型更新——你在界面上看到的指标随之刷新。

服务端遥测仪表盘对照：多租户监控视图

App 端看到的数据，最终都会汇入服务端仪表盘。管理端（FractalCore）提供三个核心页面：

1）登录页（Federated Node Auth）：通过 Username + System Key 初始化会话，服务端对所有受保护接口强制校验X-Auth-Token请求头。

2）租户仪表盘（Multi-Tenant Dashboard）：实时展示当前轮次（Current Round）、已上报客户端数量（如 "6 of 8 clients reported"）、SYSTEM METRICS（模型 ID、数据集、Bins、Epochs、Batch 等）、ROUND PROGRESS、PIPELINE 流水线状态（初始化 → 数据下发 → 本地训练 → FedAvg 聚合），以及 DEVICE ROSTER 设备花名册与每任务奖励额度（如 18.75 MB）。

3）管理控制台（Admin Console）：管理员在此创建/禁用租户、查看各租户的 TFLOPs 预算消耗、设备 MB 额度、任务日志（哪个节点完成了多少 Epoch、loss 是多少、奖励发放记录），并可对单个租户执行 EDIT / VIEW / DISABLE / DEL 操作。

新手常见问题与实战小贴士 🚀

• 训练没有启动？先检查三件事：是否插着充电器、电池是否低于 50%、电池温度是否超过 40°C。任一不满足，遥测门禁都会自动暂停任务——这不是故障，而是保护机制。
• 优先使用 Wi-Fi：模型权重与数据分段的下载、检查点上传都走网络，Wi-Fi 环境下带宽更稳定。
• 奖励怎么算？每完成一个任务，服务端按"租户设备 MB 预算 ÷ 客户端数量"发放 Liquid MB 奖励（示例：150 MB ÷ 8 客户端 = 18.75 MB/任务），可在租户仪表盘中核对。
• 想退出贡献？使用 Unregister 界面注销设备即可，数据与凭据会按隐私策略处理。

相关文档与参考路径

至此，你已经掌握了 Fractal App 的完整使用链路：Device 注册 → Home 遥测监控 → Model 训练跟踪 → 服务端仪表盘核对。把手机充上电、连上 Wi-Fi，让闲置算力为联邦学习贡献一份力量吧。