![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
联邦学习
GoldMinnie
这个作者很懒,什么都没留下…
展开
-
同态加密 bootstrapping自举算法
同态加密是一种基于数学困难问题的计算复杂性密码学技术,对于经过同态加密的数据进行运算得到的结果与用相同方法处理未经加密的数据得到的结果一致RSA问题就存在同态加密用于区块链原创 2021-09-01 20:38:15 · 12831 阅读 · 0 评论 -
图像二分类神经网络代码
import torchimport torch.nn as nnimport torch.optim as optimimport torch.utils.dataimport torch.nn.functional as Fimport torchvisionfrom torchvision import transformsfrom PIL import Imagedef check_image(path): try: im = Image.open(path原创 2022-02-05 17:34:19 · 1859 阅读 · 0 评论 -
联邦学习加速方法
联邦学习的模型训练涉及模型的本地迭代更新和模型参数的传输两大过程,模型计算和通信传输成为影响联邦学习效率的两大因素。联邦学习是分布式机器学习的一种实现形式,很多分布式的加速方案依旧适用该场景。...原创 2022-01-28 22:40:48 · 1307 阅读 · 0 评论 -
模型选择方法:Holdout检验交叉验证与正则化
Holdout直接将数据集D划分为两个互斥的集合,其中一个集合作为训练集S,另外一个作为测试集T,即D=S∪T,S∩T=0.在S上训练出模型后,用T来评估其测试误差,作为对泛化误差的评估交叉验证如果给定的样本数据充足,进行模型选择的一种简单方法是随机地将数据集分成三个部分,分别为训练集(训练模型)、验证集(模型的选择)、测试集(对学习方法的评估)。在学习到的不同复杂度的模型中,选择对验证集有最小预测误差的模型。由于验证集有足够多的数据,用它对模型进行选择也是有效的。但是,在许多实际应用中数据是不充原创 2022-01-21 05:00:00 · 2858 阅读 · 0 评论 -
PyTorch实现联邦学习目标检测
PyTorch基础Tensor是PyTorch的基础数据结构,是一个高维的数组,其作用类似于Numpy中的ndarray。目标检测算法常见的计算机视觉任务可以归纳为图像分类、目标检测、语义分割等。在图片数据中找到指定的物体,并能够正确定位位置,这就是典型的目标检测任务。边界框与锚框边界框用来描述目标位置,是一个矩形框,由左上角坐标和右下角坐标来共同确定。在运行目标检测算法时,通常会在图像中采样多个候选区域,不同的目标检测算法所使用的采样算法也不一样,而YOLO系列算法则通过定义锚框来提取,锚框原创 2022-01-18 07:00:00 · 2137 阅读 · 0 评论 -
拜占庭鲁棒Krum聚合算法
将梯度与其它梯度的范数距离的和作为该梯度的得分,然后选取得分最低,即“和大多数梯度都相似”的梯度作为聚合梯度。Krum不会影响模型的正常收敛,并且在攻击者控制worker的占比不超过50%的情况下能保证模型的鲁棒性。...原创 2022-01-16 17:55:14 · 3192 阅读 · 0 评论 -
隐私计算安全
隐私脱敏技术泛在互联环境下,数据所有者、数据控制者和数据处理者分离,在不同信息系统之间或不同管理者之间交换隐私信息时,为了实施隐私保护,脱敏是最好的技术选择。基于匿名的隐私脱敏通过将用户的原始数据进行泛化、抑制、置换等方式实现隐私信息的保护。以位置为例,泛化的基本思想是将轨迹上所有的采样点都泛化为对应的匿名区域,使攻击者无法获得准确位置。该方法中最有效的就是轨迹k-匿名技术。抑制的基本思想是在轨迹数据正式发布之前,剔除或删去现有轨迹中的用户高频率访问位置或一些敏感位置。对位置信息进行泛化、抑制原创 2022-01-12 12:08:52 · 2599 阅读 · 1 评论 -
单机优化之确定性算法和随机性算法随机梯度下降
概述目前大多数关于优化算法的收敛性质都需要依赖目标函数具有某些良好的数学属性,比如凸性和光滑性。凸性会给优化带来很大的方便。原因是,凸函数的任何一个局部极小点都是全局最优解。光滑性刻画了函数变化的缓急程度。直观上,如果自变量的微小变化只会引起函数值的微小变化,我们说这个函数是光滑的。对于不可导函数,通常用Lipschitz性质来描述光滑性。依据是否对数据或变量的维度进行随机采样,把优化算法分为确定性算法和随机算法。依据算法在优化过程中所利用的是一阶导数信息还是二阶导数信息,把优化算法分为一阶方法和原创 2022-01-11 07:00:00 · 1479 阅读 · 0 评论 -
Pysyft
provides secure and private Deep Learning in Python使用 conda activate 激活虚拟环境时报错原创 2022-01-10 12:15:45 · 662 阅读 · 0 评论 -
CNN模型量化压缩降低分布式通信开销
想要在移动端部署CNN,需要模型大小比较小、时耗比较低,才能适用于算力和内存受限的移动设备。空域滤波从通信的内容出发,尽量减少要通信的数据量,对传输的内容进行过滤、压缩或者量化,减少每一次传输所需的时间。模型过滤比较直观的方法是对模型参数进行过滤。如果一次迭代过程中某些参数没有明显变化,则可以将其过滤掉,从而减少通信量。实践中,在训练的后期,众多的参数会趋于收敛,只需要保留少量的参数更新信息,整个模型学习的结果就可以有效地保留下来。模型低秩化处理模型过滤通过去除不重要的参数来减少通信量,而模型低原创 2022-01-09 17:47:36 · 573 阅读 · 0 评论