หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

tff.utils.build_dp_query

ดูโค้ดบน GitHub

ทำให้ DPQuery ในการประมาณค่าเฉลี่ยเวกเตอร์ค่าความเป็นส่วนตัว

รองรับหลายประเภทของแบบสอบถามที่มีอยู่ใน tensorflow_privacy รวมทั้งที่ซ้อนกัน ( "ต่อเวกเตอร์") คำสั่งตามที่อธิบายใน https://arxiv.org/pdf/1812.06210.pdf, และ quantile ตัดตามการปรับตัวตามที่อธิบายใน https: / /arxiv.org/abs/1905.03871

clip แบบสอบถามของ L2 บรรทัดฐานที่ถูกผูกไว้
noise_multiplier อัตราส่วนของ (มีผลบังคับ) STDDEV สัญญาณรบกวนคลิป
expected_total_weight ที่คาดว่าน้ำหนักรวมของลูกค้าทั้งหมดที่ใช้เป็นตัวหารสำหรับการคำนวณค่าเฉลี่ย
adaptive_clip_learning_rate อัตราการเรียนรู้สำหรับ quantile ตัดตามการปรับตัว ถ้าเป็น 0 ตัดคงถูกนำมาใช้ หาก per_vector_clipping=True และ geometric_clip_update=False อัตราการเรียนรู้ของแต่ละเวกเตอร์เป็นสัดส่วนกับคลิปเริ่มต้นของเวกเตอร์ที่
target_unclipped_quantile เป้าหมาย quantile unclipped สำหรับการตัดการปรับตัว
clipped_count_budget_allocation ส่วนของงบประมาณความเป็นส่วนตัวเพื่อใช้สำหรับการประเมินข้อหาตัด
expected_num_clients ที่คาดว่าจำนวนของลูกค้าสำหรับการประเมินเศษส่วนตัด
per_vector_clipping ถ้าเป็นจริงคลิปน้ำหนักแต่ละเมตริกซ์อิสระ มิฉะนั้นการตัดทั่วโลกมีการใช้ บรรทัดฐานการตัดสำหรับแต่ละเวกเตอร์ (หรือบรรทัดฐานตัดเริ่มต้นในกรณีของการตัดการปรับตัว) เป็นสัดส่วนกับ sqrt ของมิติเวกเตอร์ดังกล่าวว่าผลรวมรากกำลังสองของคลิปแต่ละเท่ากับ clip
geometric_clip_update หากทรูใช้ปรับปรุงเรขาคณิตของคลิป
model tff.learning.Model เพื่อตรวจสอบโครงสร้างของน้ำหนักรุ่น จำเป็นต้องใช้เฉพาะในกรณีที่ per_vector_clipping เป็น True

DPQuery เหมาะสำหรับใช้ในการเรียกร้องให้ build_dp_aggregate เพื่อดำเนินสหพันธ์ Averaging ค่าความเป็นส่วนตัว