This page was translated by the Cloud Translation API.
Switch to English

tff.utils.build_dp_query

GitHub থেকে উৎস দেখুন

একটি তোলে DPQuery ডিফারেনশিয়াল গোপনীয়তা ভেক্টর গড় অনুমান করার জন্য।

Tensorflow_privacy ক্যোয়ারী উপলব্ধ ধরনের, নেস্টেড ( "প্রতি-ভেক্টর") প্রশ্নের বর্ণনা অনুযায়ী সহ অনেক সমর্থন https://arxiv.org/pdf/1812.06210.pdf, এবং সমাংশক ভিত্তিক অভিযোজিত ক্লিপিং বর্ণনা অনুযায়ী HTTPS: / /arxiv.org/abs/1905.03871

clip ক্যোয়ারী এর ও L2 আদর্শ আবদ্ধ।
noise_multiplier ক্লিপ (কার্যকর) গোলমাল stddev অনুপাত।
expected_total_weight সব ক্লায়েন্টদের প্রত্যাশিত মোট ওজন, গড় হিসাব জন্য হর হিসেবে ব্যবহৃত।
adaptive_clip_learning_rate সমাংশক ভিত্তিক অভিযোজিত ক্লিপিং হার শেখা। মান 0 হলে, নির্দিষ্ট ক্লিপিং ব্যবহার করা হয়। তাহলে per_vector_clipping=True এবং geometric_clip_update=False , প্রতিটি ভেক্টর শেখার হার ভেক্টর প্রাথমিক ক্লিপ সমানুপাতিক।
target_unclipped_quantile উদ্দিষ্ট অভিযোজিত ক্লিপিং জন্য সমাংশক unclipped।
clipped_count_budget_allocation গোপনীয়তা বাজেটের ভগ্নাংশ ছাঁটা গন্য আনুমানিক হিসাব জন্য ব্যবহার করতে।
expected_num_clients ছাঁটা ভগ্নাংশ আনুমানিক হিসাব জন্য ক্লায়েন্টদের প্রত্যাশিত সংখ্যা।
per_vector_clipping যদি সত্য হয়, প্রতিটি ওজন টেন্সর স্বাধীনভাবে ক্লিপ। অন্যথায়, বিশ্বব্যাপী ক্লিপিং ব্যবহার করা হয়। প্রতিটি ভেক্টর (অথবা প্রাথমিক ক্লিপিং আদর্শ, অভিযোজিত ক্লিপিং ক্ষেত্রে) জন্য ক্লিপিং আদর্শ ভেক্টর মাত্রা যেমন যে রুট পৃথক ক্লিপ ছক সমষ্টি সমান এর বর্গমূল সমানুপাতিক clip
geometric_clip_update যদি সত্য হয়, ক্লিপ জ্যামিতিক আপডেট ব্যবহার করুন।
model একজন tff.learning.Model মডেল ওজন কাঠামো নির্ধারণ। প্রয়োজনীয় শুধুমাত্র যদি per_vector_clipping সত্য।

একজন DPQuery একটি কলে ব্যবহারের জন্য উপযুক্ত করতে build_dp_aggregate ডিফারেনশিয়াল গোপনীয়তা ফেডারেটেড গড় সঞ্চালন।