qq_36300061的博客

Do We Really Need to Access the Source Data? Source Hypothesis Transfer forUnsupervised Domain Adaptation个人感觉这篇论文的思想还是挺好的，出发点很贴近实际，我对于迁移学习的理解很少，但据我所知，之前有关迁移学习的大多模型都是需要用到源域的数据或者特征，而这在现实中其实是不切实际的，因为源域的数据其实也包含着隐私，如果直接将其暴露那势必会遭到隐私泄露，这似乎也是该文章的一个目的。 所以该文章在只包含

Tensorflow分布式训练过程中所遇到的问题之前发过一篇文章也是关于在tensorflow上进行分布式训练的，当时只是初步的实现了这个方案，但是后来发现这个方案有问题，并且直到现在我也没有解决，不知道有没有大佬遇到过类似的问题。因为研究方向的问题，在深度学习的过程中，需要做到对训练过程中的梯度做一些变换，我们知道在tensorflowd在参数更新的时候其实是分为两步的，一步是tf.gradients(), 通过给定的损失函数以及训练参数计算得到与之对应的梯度，该op返回的是一个list,其中包含着每

复现《DeepLeakagefromGradients》的攻击实验DeepLeakagefromGradients在GitHub上找到一个在pytorch实现《DeepLeakagefromGradients》论文中对CIFAR100数据集攻击的实验，加上了自己的理解class LeNet(nn.Module):def __init__(self): super(LeNet, self).__init__() act = nn.Sigmoid self.body = nn.