本頁面由 Cloud Translation API 翻譯而成。
Switch to English

tff.utils.build_dp_query

GitHub上查看源代碼

使得DPQuery來估計與差動隱私矢量平均值。

支持許多在tensorflow_privacy類型查詢可用的,包括嵌套(“每載體”)中所描述的查詢https://arxiv.org/pdf/1812.06210.pdf,並且如在描述的基於分位數的自適應限幅的https:/ /arxiv.org/abs/1905.03871

clip 查詢的L2規範約束。
noise_multiplier (有效)噪聲STDDEV於夾子的比率。
expected_total_weight 所有客戶的預期總重量,作為分母的平均計算。
adaptive_clip_learning_rate 學習率基於位數自適應裁剪。如果為0,則使用固定的削波。如果per_vector_clipping=Truegeometric_clip_update=False ,每個矢量的學習速率正比於該矢量的初始片段。
target_unclipped_quantile 未截短的目標位數自適應裁剪。
clipped_count_budget_allocation 隱私預算的比例用於估算修剪計數。
expected_num_clients 估計剪輯的部分預期數量的客戶端。
per_vector_clipping 如果真正的,獨立顯卡的每個重量張量。否則,將使用全局剪切。對於每個向量(或初始剪裁常態,在自適應削波的情況下)的修剪範數成比例矢量維數,使得平方各個剪取物的根和等於的SQRT clip
geometric_clip_update 如果真,用夾子的幾何更新。
model tff.learning.Model以確定模型權重的結構。只需要如果per_vector_clipping為True。

DPQuery適合於在呼叫中使用到build_dp_aggregate與差動隱私執行聯合平均。