2019年7月23日

摘要: 我们为机器学习中的分布式优化引入了一个越来越相关的新设置,其中规定优化的数据在极大量的节点上分布不均匀。我们的目标是训练一个高质量的集中式模型。我们将此设置称为联邦优化。在这种情况下,通信效率至关重要,最大限度地减少通信轮数是主要目标。 阅读全文
posted @ 2019-07-23 09:42 穷酸秀才大草包 阅读(2646) 评论(7) 推荐(0)

2019年7月22日

摘要: 今天的人工智能仍然面临两大挑战。一种是,在大多数行业中,数据以孤岛的形式存在。二是加强数据隐私和安全。我们提出了一个解决这些挑战的可能方案:安全联邦学习。除了谷歌在2016年首次提出的联邦学习框架外,我们还引入了一个全面的安全联邦学习框架,其中包括横向联邦学习、纵向联邦学习和联邦迁移学习。我们为联邦学习框架提供定义、架构和应用程序,并提供关于这个主题的现有工作的全面调查。此外,我们提出在组织之间建立基于联邦机制的数据网络,作为一种有效的解决方案,以允许在不损害用户隐私的情况下共享知识。 阅读全文
posted @ 2019-07-22 09:28 穷酸秀才大草包 阅读(7354) 评论(0) 推荐(1)

2019年7月19日

摘要: 现代移动设备可以访问大量适合模型学习的数据,从而大大改善设备上的用户体验。例如,语言模型可以改善语音识别和文本输入,图像模型可以自动选择好的照片。然而,这些丰富的数据往往对隐私敏感,数量庞大,或者两者兼而有之,这可能会妨碍登录到数据中心并使用传统方法进行训练。我们提倡一种替代方法,将训练数据分布在移动设备上,并通过聚集本地计算的更新来学习共享模型。我们将这种去中心化的方法称为联邦学习。我们提出了一种基于迭代模型平均的深度网络联邦学习的实用方法,并对五种不同的模型结构和四种数据集进行了广泛的实证评估。这些实验表明,该方法对不平衡和非独立同分布(non-IID)的数据分布具有鲁棒性,这是该设置的一个定义特征。通信成本是主要的限制条件,与同步随机梯度下降相比,我们所需的通信轮数减少了10–100倍。 阅读全文
posted @ 2019-07-19 16:53 穷酸秀才大草包 阅读(3276) 评论(3) 推荐(0)

2019年7月17日

摘要: 郑重声明:原文参见标题,如有侵权,请联系作者,将会撤销发布! Abstract: 我们提出了一种新的方法,通过端到端的训练策略来学习深度架构中的可压缩表征。我们的方法是基于量化和熵的软(连续)松弛,我们在整个训练过程中对它们的离散对应体进行了退火。我们在两个具有挑战性的应用中展示了这种方法:图像压缩 阅读全文
posted @ 2019-07-17 21:18 穷酸秀才大草包 阅读(1445) 评论(0) 推荐(0)

2019年7月16日

摘要: 郑重声明:原文参见标题,如有侵权,请联系作者,将会撤销发布! Abstract: 在深度学习的最新进展的启发下,我们提出了一种基于卷积神经网络(CNN)的视频压缩框架DeepCoder。我们分别对预测信号和残差信号应用独立的CNN网络。采用标量量化和哈夫曼编码将量化后的特征映射编码为二进制流。本文采 阅读全文
posted @ 2019-07-16 17:19 穷酸秀才大草包 阅读(1224) 评论(0) 推荐(0)

2019年7月1日

摘要: 详见: https://www.cnblogs.com/ranson7zop/p/8037429.html http://www.cipr.rpi.edu/resource/sequences/ http://trace.eas.asu.edu/yuv/index.html (YUV Video S 阅读全文
posted @ 2019-07-01 16:01 穷酸秀才大草包 阅读(354) 评论(0) 推荐(0)

2019年6月27日

摘要: Makefile: 阅读全文
posted @ 2019-06-27 10:24 穷酸秀才大草包 阅读(1527) 评论(0) 推荐(0)

2019年6月25日

摘要: 参考链接:https://blog.csdn.net/chenjinlong126/article/details/78990350 一.制作so文件:libadd_c.so或libadd_cpp.so 1、add.c: 编译: gcc -shared -fpic -lm -ldl -o libad 阅读全文
posted @ 2019-06-25 09:49 穷酸秀才大草包 阅读(1554) 评论(0) 推荐(0)

2019年6月13日

摘要: 郑重声明:原文参见标题,如有侵权,请联系作者,将会撤销发布! 1、Abstract: 本文主要介绍的是2015年以来关于深度图像/视频编码的代表性工作,主要可以分为两类:深度编码方案以及基于传统编码方案的深度工具。对于深度编码方案,像素概率建模和自动编码器是两种方法,分别可以看作是预测编码方案和变换 阅读全文
posted @ 2019-06-13 18:34 穷酸秀才大草包 阅读(4470) 评论(0) 推荐(0)

2019年6月10日

摘要: 微众银行FATE联邦学习框架 阅读全文
posted @ 2019-06-10 21:22 穷酸秀才大草包 阅读(3042) 评论(2) 推荐(0)

导航