Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tff.utils.build_dp_query

Lihat sumber di GitHub

Membuat DPQuery untuk memperkirakan rata-rata vektor dengan privasi diferensial.

Mendukung banyak jenis query yang tersedia di tensorflow_privacy, termasuk bersarang ( "per-vektor") query seperti yang dijelaskan dalam https://arxiv.org/pdf/1812.06210.pdf, dan berbasis kuantil kliping adaptif seperti yang dijelaskan di https: / /arxiv.org/abs/1905.03871

clip Kueri L2 norma terikat.
noise_multiplier Rasio (efektif) noise stddev untuk klip.
expected_total_weight Berat diharapkan total semua klien, yang digunakan sebagai denominator untuk perhitungan rata-rata.
adaptive_clip_learning_rate Tingkat pembelajaran bagi berbasis kuantil kliping adaptif. Jika 0, kliping tetap digunakan. Jika per_vector_clipping=True dan geometric_clip_update=False , tingkat pembelajaran masing-masing vektor sebanding dengan klip awal yang vektor.
target_unclipped_quantile Target unclipped kuantil untuk kliping adaptif.
clipped_count_budget_allocation Fraksi anggaran privasi digunakan untuk memperkirakan jumlah dipotong.
expected_num_clients Jumlah tersebut diharapkan klien untuk memperkirakan fraksi dipotong.
per_vector_clipping Jika Benar, klip masing-masing tensor berat badan independen. Jika tidak, kliping global digunakan. Kliping norma untuk setiap vektor (atau kliping norma awal, dalam kasus kliping adaptif) sebanding dengan sqrt dari dimensi vektor sedemikian rupa sehingga jumlah akar kuadrat dari klip individu sama clip .
geometric_clip_update Jika Benar, menggunakan memperbarui geometris klip.
model Sebuah tff.learning.Model untuk menentukan struktur model bobot. Diperlukan hanya jika per_vector_clipping Benar.

Sebuah DPQuery cocok untuk digunakan dalam panggilan untuk build_dp_aggregate untuk melakukan Federasi Averaging dengan privasi diferensial.