FATE联邦学习

Fate/stay night ubw

最近在看《Fate/staynight》的UnlimitedBladeWorks，感慨万分，还需思考。
FromHeart101·2023-01-31 12:25

【技术博客】面向大规模的联邦学习：系统设计

摘要联邦学习是一种分布式的机器学习方法，可以对大量分散在移动设备上的数据进行训练，而在实现时，则会遇到许多问题。因此，如何设计一个系统这个问题就会自然而然产生。
MomodelAI·2023-01-31 06:42

AI最热词汇“联邦学习”最新舆情

今年以来，特别是数据被纳入生产要素，数据安全领域一个最时髦的词汇“联邦学习”进入了各行各业的视野。
hellompc1·2023-01-30 23:38

联邦学习论文阅读

最近阅读了两篇关于联邦学习的论文，《Communication-EfficientLearningofDeepNetworksfromDecentralizedData》和《FedMDHeterogenousFederatedLearningviaModelDistillation
Septieme·2023-01-30 23:39

FATE —— 三. 使用DSL json conf运行作业

DSLConf教程本文档将提供如何使用DSLConf运行训练和预测任务的简短教程。我们将以hetero-secureboost为例。上载数据在运行作业之前，需要将数据上载到数据存储。请参考此处的示例。提交培训任务我们可以通过FlowClient提交conf和dsl来开始培训工作。在这里，我们提交一个异类secureboost二进制分类任务，其conf和dsl位于异类secureboost示例文件夹
MMM881·2023-01-30 16:59

FATE —— 三. job上载数据

上传数据指南在开始建模任务之前，应上传要使用的数据。通常来说，一个参与方是包含多个节点的集群。因此，当我们上传数据时，这些数据将被分配给这些节点。接受的数据类型DataTransform(DataIO)模块接受以下输入数据格式，并将其转换为所需的输出Table。dense输入格式输入的Table值是一个包含单个元素的列表，例如:1.0,2.0,3.0,4.51.1,2.1,3.4,1.32.4,6
MMM881·2023-01-30 16:59

FATE —— 三.1 使用DSL json conf任务配置和运行配置 V2

DSL配置说明1.概述DSL的配置文件采用json格式，实际上，整个配置文件就是一个json对象（dict）。2.Components含义：在这个dict的第一级是"components"，用来表示这个任务将会使用到的各个模块。参考：{"components":{...}}说明：每个独立的模块定义在"components"之下，例如："data_transform_0":{"module":"Da
MMM881·2023-01-30 16:29

联邦学习-fedavg_trainer

FedAVGTrainerimporttorchimporttorchastimporttqdmimportnumpyasnpfromtorch.utils.dataimportDataLoaderfromfederatedml.framework.homo.aggregator.secure_aggregatorimportSecureAggregatorClientasSecureAggCli
MMM881·2023-01-30 16:20

完整的模型训练套路（pytorch）

（联邦学习笔记，资料来源于b站小土堆）训练模板1、准备数据集2、获取数据集长度，可以用来辅助计算精确度3、加载数据集（DataLoader）4、搭建网络模型（一般单独一个python文件）5、创建网络模型
沉睡中的主角·2023-01-30 13:44

联邦学习在光大科技的落地应用

数据是新时代的驱动引擎，在人工智能越来越重要的今天，拥有海量数据关乎成败。由于数据是由不同机构、企业、部门产生并拥有的，传统的汇集数据再进行加工处理和价值挖掘的模式已经不再适应时代发展的要求。随着社会的发展，用户隐私和数据安全的关注度正不断提高。2020年被认为是隐私保护计算技术应用爆发的元年。近期颁布施行的《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》更是数据安全和个人信息保护合
博文视点·2023-01-29 10:15

横向联邦学习的挑战与展望

《联邦学习》读书笔记当前已经有许多横向联邦学习的商业落地应用案例，例如由谷歌在移动设备上使用的横向联邦学习构建用户输入下一个词预测模型，即谷歌输入法Gboard。
非文的NLP修炼笔记·2023-01-29 10:43

在docker中安装联邦学习fedml框架

在docker中安装联邦学习fedml框架这里主要介绍docker容器跨物理机的分布式fedml的安装方法fedml的官方安装教程：http://doc.fedml.ai/#/installation-distributed-computing
喊我猴哥·2023-01-29 08:56

安装虚拟机+复制粘贴+文件共享+FedML在虚拟机上的安装教程

我是联邦学习小白，希望找到做节点激励机制的大佬请教一些问题我的电脑是windows的，所以需要加VMware,我想记录一下整体的安装过程。
King Bob!!·2023-01-29 08:25

FedML联邦机器学习框架正式开源！

近日，美国南加州大学USC联合MIT、Stanford、MSU、UW-Madison、UIUC以及腾讯、微众银行等众多高校与公司联合发布了FedML联邦学习开源框架。FederatedLearnin
qq_41268683·2023-01-29 08:25

windows10 安装FedML

最近老师推荐了一个联邦学习平台，是何朝阳团队开发的FedML。FedML最近三天一直在弄安装这个平台的事情，记录一下出过的问题。
Mathilda.Shelby·2023-01-29 08:24

FedML联邦机器学习框架正式开源，助力算法开发和性能比较

FederatedLearning联邦学习是机器学习领域中快速发展的研究领域。
PaperWeekly·2023-01-29 08:24

联邦学习基于fedml的编程

先部署何老师的fedml框架，然后了解每一部分的作用我也是纯新手，希望研究联邦学习的朋友们看见这篇文可以联系我加好友一起学习这个文件夹是代表联邦学习两大场景，“跨设备cross-device”，“跨孤岛
King Bob!!·2023-01-29 08:54

联邦学习FedML伪分布式环境搭建实战

一、硬件环境虚拟机版本：VMware_16.0.0操作系统版本：Ubuntu18.04.2LTS（注意内存一定要开到8G以上，不然后面在执行样例时进程会被Killed）Python版本：3.7.4二、下载框架github地址：https://github.com/FedML-AI/FedML将整个包下载并解压自己的用户目录三、开始安装可以进入到CI-install.sh所在目录直接运行脚本安装(不
KylinMoriarty·2023-01-29 08:54

《联邦学习》——个人笔记（三）

第三章分布式机器学习3.1分布式机器学习介绍3.1.1分布式机器学习的定义分布式机器学习（DistributedMachineLearning,DML）,是指利用多个计算节点进行机器学习或者深度学习的算法和系统，旨在提高性能、保护隐私，并可扩大至更大规模的训练和更大的模型。DML可以分为两类：面向扩展性的DML和面向隐私保护的DML。面向扩展性的DML是指用来解决不断增长的扩展性和计算需求问题的机
Lavender_LoveQaQ·2023-01-28 20:43

FedReID: 联邦学习在行人重识别上的首次深入实践

联邦学习是一种保护隐私的分布式训练方法，可以应用到行人重识别上，以解决这个问题。但是在现实场景中，将联邦学习应用到行人重识别上因为数据异构性，会导致精度下降和收敛的问题。
闭眼卖布·2023-01-28 20:43

阅读笔记（Communication-Efficient Learning of Deep Networks from Decentralized Data）

联邦学习（联合学习）的提
你看见的我·2023-01-28 20:12

（阅读笔记）联邦安全聚合

联邦学习场景下的安全聚合协议设计动机协议设计过程安全聚合协议参考文献设计动机联邦学习场景下设计安全聚合协议的动机：处理高维参数或梯度向量；降低传输通信开销；应对用户中途退出鲁棒；用户隐私安全；协议设计过程一重掩码用户
你看见的我·2023-01-28 20:12

Practical Secure Aggregation for Privacy-Preserving Machine Learning论文阅读笔记

提出了一种安全聚合算法，SecureAggregation算法，可以使得在多方学习（如联邦学习）中各方client在不暴露各自梯度的情况下实现梯度的聚合。
SXxtyz·2023-01-28 20:11

联邦学习 | 如何使得模型训练精度不受影响的同时，数据隐私也不泄露呢？

在上一节《联邦学习|基于加噪的隐私保护算法》我们讲到了可以使用差分隐私训练算法来保护数据隐私，并且其主要的原理是对敏感数据（模型的权重或更新的梯度）进行加噪来隐藏真实的值。
昇思MindSpore·2023-01-28 20:41

差分隐私相关论文集合

放一个论文合集1、基于梯度的联邦学习方法，往往通过在每次迭代中随机地扰动中间输出来应用差分隐私（也就是说在联邦学习的过程不会暴露是否使用某个特定的样本信息）①DWORKC,ROTHA.Thealgorithmicfoundationsofdifferentialprivacy
河大吴彦祖·2023-01-28 14:05

第十九周工作进展报告 Local Differential Privacy for Deep Learning

第十九周工作进展报告本周主要是学习联邦学习与隐私保护中的一种用于深度学习框架下的本地差分隐私方法以及一种SGD-DP（stochasticgradientdescentdifferentialprivacy
三金samkam·2023-01-28 14:32

Fate里的高人气角色吉尔伽美什，你知道他的故事吗？

Fate里面的吉尔伽美什是一个人气非常高的角色，很多小伙伴都对其钟爱有加，今天我们就来聊聊吉尔伽美什的故事。
漫画君go·2023-01-25 21:59

【论文导读】- SpreadGNN: Serverless Multi-task Federated Learning for Graph Neural Networks（去服务器的多任务图联邦学习）

文章目录论文信息摘要SpreadGNNFramework用于图层次学习的联邦图神经网络图神经网络的联邦多任务学习SpreadGNNDPA-SGD的收敛性质实验总结论文信息SpreadGNN:ServerlessMulti-taskFederatedLearningforGraphNeuralNetworks原文链接：SpreadGNN:ServerlessMulti-taskFederatedLe
1 + 1=王·2023-01-24 23:36

联邦学习相关论文阅读

ATaxonomyofAttacksonFederatedLearning联邦学习是一个隐私设计的框架，它可以从分散的数据源中训练深度神经网络，但它充满了无数的攻击面。
Juli_Eyre·2023-01-21 19:10

联邦学习知识学习

[3]陈兵,成翔,张佳乐等.联邦学习安全与隐私保护综述[J].南京航空航天大学学报服务器端GAN攻击恶意服务器首先假扮成正常的服务器为用户提供联邦学习服务，但其主要目的其实是为了重构特定攻击目标用户的训练样本
Juli_Eyre·2023-01-21 19:40

matlab由方波转换为梯形波,matlab仿真有源电力滤波器输出波形怎么变成了尖顶波...

满意答案fate夏陌2017.06.02采纳率：40%等级：9已帮助：16人展开全部首先、仿真时间要设置好，时间太长了就会一直等着。
极客有车·2023-01-20 20:01

【MindSpore】云云联邦学习+Fasterrcnn目标检测+差分隐私训练保护隐私方案综合实现

【MindSpore】云云联邦学习+Fasterrcnn目标检测+差分隐私训练保护隐私方案综合实现MindSpore云云联邦crosssilo链接：https://www.mindspore.cn/federatedMindSporeModelZoofasterrcnn
emmmmmmT·2023-01-20 15:03

隐私计算学习笔记

目录安全保护技术和应用总结基础隐私计算技术在联邦学习中的应用参考书籍图片来源：https://www.basebit.ai/en/Statics/Images/en/dbys.png隐私计算技术的产生是互联网
苹果二·2023-01-20 12:15

现有网络模型的使用和修改

（联邦学习笔记，资料来源于b站小土堆）在pytorch中，torchvison.module里有很多现有的模型可以直接使用，包括AlexnetVGGResNetSqueezeNetDenseNetInceptionv3GoogLeNetShuffleNetv2MobileNetv2MobileNetv3ResNextWideResNetMNASNetQuantizedModels
沉睡中的主角·2023-01-17 22:33

划分非独立同分布（Non-IID）数据集

在传统的机器学习中，数据同在一个中心，不会出现什么非独立同分布的问题；然而在联邦学习中，每个客户端（client）都拥有自己的数据集，大家各不相同，所以数据不独立同分布是常态。
游星凌·2023-01-17 09:59

群体智能中的联邦学习算法综述---简笔记（除安全类）

群体智能中的联邦学习算法简述介绍群体智能与联邦学习的关系联邦学习框架分类中心化联邦半中心化联邦去中心化联邦（未涉及区块链等隐私的研究，所以未总结）精度优化泛化性优化收敛性优化效率优化模型神经网络开源平台
35岁北京一套房·2023-01-17 09:28

FedBN总结

文章通过在局部模型中加入批量归一化层（BN）解决联邦学习数据异构性中featureshift这种情况（之前很多文章都是研究labelshift或clientshift），文章将这种方法名为FedBN。
联邦学习小白·2023-01-17 09:58

【联邦学习论文阅读】常用算法理解（SCAFFOLD、FedPD、FedBN）-目前仅SCAFFOLD

SCAFFOLD（ICML-2020）：SCAFFOLD:StochasticControlledAveragingforFederatedLearningFedPD：https://arxiv.org/abs/2005.11418FedBN（ICLR2021）：FEDBN:FEDERATEDLEARNINGONNON-IIDFEATURESVIALOCALBATCHNORMALIZATION杂七
Momahe·2023-01-17 09:58

联邦学习开坑！

入门联邦学习（FL），在导师的建议下，我决定从客户端数据异构这一方向出发开展学习。这里就先开个坑，开始记录自己的学习心得，欢迎各位批评指正，共同学习。
联邦学习小白·2023-01-17 09:27

怎么实现联邦学习中的Non-IID？

联邦学习的一大特点就是数据分布是Non-IID，Non-IID意为非独立同分布。那么怎么在实验中实现non-iid呢？这是我这篇博客想讨论的问题。
周杰伦今天喝奶茶了吗·2023-01-17 09:56

联邦学习中的non-iid总结

最近研究联邦学习（federatedlearning，FL）中的non-iid的解决办法时遇到瓶颈，写成博客将最近的工作总结一下，希望有大佬看到这篇博客不吝赐教。
海边的西西弗斯·2023-01-17 09:22

百度安全入选权威报告《联邦学习与可信AI市场机会分析》典型厂商

联邦学习作为一种新兴的人工智能基础技术，在国际数据公司（IDC）定义下，联邦学习是一种分布式隐私保护建模方法，在保证所有训练数据不出域的前提下，多个参与方通过与聚合模型协作学习的方式共同训练新的数据模型的方法
·2023-01-16 11:52

创投更重点关注技术、场景“两手抓”的科技企业

在自然语言处理、迁移学习和联邦学习等领域，取得了突破。对于引领人工智能发展方向的前沿技术，各个机构对是那些掌握世界级顶尖技术能力的团队支持力度最大。更广：人工智能中相对成熟的
中国数字化转型网·2023-01-15 11:53

FATE —— 二.4.4 联邦任务，guest 使用图像数据，host使用文本数据

在本任务中，我们将向您展示如何在HeteroNN下构建联合任务，其中参与方使用不同的结构化数据：来宾方具有图像数据和标签，宿主方具有文本，它们一起完成二进制分类任务。教程数据集由flickr8k构建，标签0和1指示图像是在荒野中还是在城市中。您可以从这里下载处理过的数据集，并将其放在examples/data下。完整的数据集可以从这里下载。（请注意，原始数据集与本示例中的数据不同，出于演示目的，此
MMM881·2023-01-13 15:58

FATE —— 二.4.3 使用冻结参数Bert进行情绪分类

情感分类数据集上进行训练数据集：IMDB情感这是一个二进制分类数据集，您可以从这里下载我们的处理数据集：https://webank-ai-1251170195.cos.ap-guangzhou.myqcloud.com/fate
MMM881·2023-01-13 15:28

FATE —— 二.4.2 Criteo上的联邦经典CTR模型训练

我们使用第三方库torchrechub调用一些经典的推荐模型，如FM、DeepFM等，并使用它在FATE中构建联邦任务。在数据集方面，我们使用了经过采样和预处理的Criteo数据集，共有50K个数据。
MMM881·2023-01-13 15:22

FATE —— 二.3.1 Hetero-NN自定义数据集

FATE系统主要支持表格数据作为其标准数据格式。然而，通过使用NN模块的数据集特性，可以在神经网络中使用非表格数据，例如图像、文本、混合数据或关系数据。
MMM881·2023-01-12 16:59

FATE —— 二.4.1 联邦Rensnet关于CIFAR-10的训练

在这个示例中，我们向您展示了如何使用torchvision模型来执行联合分类任务数据集：CIFAR10您可以通过以下链接下载CIFAR-10数据集：CIFAR-10CIFAR-10来源于：地址为了便于演示，我们的客户将使用相同的数据集本地测试首先，我们在本地测试我们的模型和数据集。如果它有效，我们可以提交联合任务。frompipeline.component.nnimportsave_to_fat
MMM881·2023-01-12 16:59

FATE —— 一.2 pipeline上传数据教程

安装pipeline与fate_client一起分布。pipinstallfate_client要使用Pipeline，我们需要首先指定要连接到哪个FATE流服务。
MMM881·2023-01-12 16:59

FATE —— 二.3.2 Hetero-NN使用CustModel设置顶部、底部模型

model_zoo模块在FATE1.10中引入，位于federatedml.nn.model_zoo下。
MMM881·2023-01-12 16:44
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他