![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习基础
文章平均质量分 81
清韵逐梦
学生
展开
-
联邦学习开源框架简介
0、FATE平台该平台是微众银行开发的,是全球第一个联邦学习工业级开源框架。不管是对初级人门者,还是联邦学习产品级系统的开发人员,FATE都是一个非常合适的选择。相比于利用Python从零开发,FATE提供了完善的建模工具,构建联邦学习模型简单方便,用户不需要了解太多的底层细节就可以实现联邦学习,非常适合开发工业级的联邦学习产品。1、TensorFlow-Federated(TFF)主要用于横向联邦学习场景,特别是针对安卓移动终端。借助TFF, 开发人员能够在多个参与客户端之间训练共享全局模型。原创 2021-12-21 08:42:11 · 1813 阅读 · 0 评论 -
三种联邦学习的简单介绍
(一)横向联邦学习1、定义横向联邦学习也称为按样本划分的联邦学习,可以应用于联邦学习的 各个参与方的数据集有相同的特征空间和不同的样本空间的场景。 2、横向联邦学习架构常用的两个系统架构为:客户-服务器(client- server )架构和对等(Peer-to-Peer, P2P)网络架构。1)客户-服务器架构该架构也被称为主-从 (master-worker)架构或者轮辐式(hub-and-spoke)架构参与方将梯度信息发送给服务器,服务器将收到的梯度信息进行聚合(例如原创 2021-11-28 16:52:53 · 8503 阅读 · 3 评论 -
联邦学习和去中心化训练--知识记录
一、知识点:1、原子操作(atomic operation)指的是由多步操作组成的一个操作。如果该操作不能原子地执行,则要么执行完所有步骤,要么一步也不执行,不可能只执行所有步骤的一个子集。2、联邦学习为移动设备上的模型共享创造可能,模型训练与云端存储解耦,移动端存储训练数据,并进行模型训练和进化。联邦学习机理如下:设备下载云端最新的共享模型,本地改进和训练,个性化后的模型被抽取为一个更新文件,将差异部分加密上传云端,在云端和其它设备上传的最新模型差异做平均化更新,以改善共享模型。网络的上传原创 2021-11-16 20:27:34 · 20381 阅读 · 0 评论 -
机器学习入门-神经网络的实现学习笔记
感知机与神经网络的主要区别在于激活函数。激活函数必须使用非线性函数,因为使用线性函数的问题在于,不管如何加深层数,总是存在与之等效的“无隐藏层的神经网络”,这样便无法发挥多层网络带来的优势。因为神经网络的激活函数必须使用非线性函数。机器学习问题分为“学习” 和“推理”两个阶段。学习阶段进行模型学习,推理阶段,用学到的模型对未知的数据进行推理(分类)。 推理阶段不需要输出层的softmax函...原创 2019-07-04 16:44:34 · 202 阅读 · 0 评论