首页 > TAG信息列表 > gep
DO NOT LET PRIVACY OVERBILL U TILITY: G RADIENT E MBEDDING P ERTURBATION FOR P RIVATE L EARNING
在差分隐私机制中,训练数据模型的隐私泄漏是有界的。然而,对于有意义的隐私参数,当模型包含大量可训练参数时,差异私有模型会显著降低效用。在本文中,我们提出了一种梯度嵌入扰动(GEP)算法,用于训练具有较高精度的差异私有深度模型。具体而言,在每个梯度下降步骤中,GEP First将单个私有梯度希尔排序算法
希尔排序:插排后更高效排序,缩小增量排序。把记录按下标的一定增量分组。 对每组使用直接插入排序算法排序;随着增量减少,包含关键词越来越多, 当增量减少到1时,整个文件被分成一组,算法便终止。分交换法和移动法。 如 int arr[] = {8,9,1,7,9,3,5,4,6,0}; 先让 8和3,9和5,1和4...等Docker 安装 nginx
1.拉取镜像 docker pull nginx 2.查看镜像 docker images 3.创建目录及文件 mkdir -p /usr/local/gep/nginx/conf mkdir -p /usr/local/gep/nginx/html touch /usr/local/gep/nginx/conf/nginx.conf 4.在nginx.conf中配置多个端口监听 worker_processes 1; events {