このページは Cloud Translation API によって翻訳されました。
Switch to English

tff.utils.build_dp_query

GitHubの上のソースを表示

作りDPQuery差分プライバシーをベクトル平均値を推定します。

記載のように、ネストされた(「毎ベクター」)クエリを含むtensorflow_privacyでクエリ利用可能な種類の多くの支持https://arxiv.org/pdf/1812.06210.pdf、およびに記載されているように変位値ベースの適応クリッピングHTTPS:/ /arxiv.org/abs/1905.03871

clip クエリのL2ノルムが結合しました。
noise_multiplier クリップの(有効な)ノイズSTDDEVの比。
expected_total_weight 平均計算の分母として使用されているすべてのクライアントの予想総重量。
adaptive_clip_learning_rate クォン・ベースの適応クリッピングのための学習率。 0の場合、固定クリップが使用されています。場合per_vector_clipping=Truegeometric_clip_update=False 、各ベクトルの学習率は、そのベクトルの初期クリップに比例しています。
target_unclipped_quantile ターゲットは、適応クリッピングのための分位数をクリップされていません。
clipped_count_budget_allocation プライバシーの予算の一部が切り取られカウントを推定するために使用します。
expected_num_clients クリップされた画分を推定するためのクライアントの予想される数。
per_vector_clipping Trueの場合、独立して各重量テンソルをクリップ。それ以外の場合は、グローバルなクリッピングが使用されています。各ベクトル(または適応クリッピングの場合の初期クリッピングノルム)のクリッピング基準は、個々のクリップの平方ルート和が等しくなるように、ベクトル次元数の平方根に比例するclip
geometric_clip_update Trueの場合、クリップの幾何学的な更新を使用します。
model A tff.learning.Modelモデルの重みの構造を決定します。 per_vector_clippingがTrueの場合にのみ必要です。

A DPQueryの呼び出しで使用するのに適したbuild_dp_aggregate差分プライバシーをフェデレーテッド平均化を実行します。