Esta es la aplicación de Linux llamada Opacus cuya última versión se puede descargar como Opacusv1.4.0.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada Opacus con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
opaco
DESCRIPCIÓN
Opacus es una biblioteca que permite entrenar modelos PyTorch con privacidad diferencial. Admite la capacitación con cambios mínimos de código requeridos en el cliente, tiene poco impacto en el rendimiento de la capacitación y permite al cliente realizar un seguimiento en línea del presupuesto de privacidad gastado en un momento dado. Cálculo de gradiente vectorizado por muestra que es 10 veces más rápido que el microprocesamiento. Admite la mayoría de los tipos de modelos PyTorch y se puede usar con una modificación mínima de la red neuronal original. API modular de código abierto para la investigación de privacidad diferencial. Todos son bienvenidos a contribuir. Los profesionales de ML encontrarán que esta es una introducción suave al entrenamiento de un modelo con privacidad diferencial, ya que requiere cambios mínimos de código. Los investigadores de Privacidad Diferencial encontrarán esto fácil de experimentar y modificar, lo que les permitirá concentrarse en lo que importa.
Caracteristicas
- Los investigadores de Privacidad Diferencial encontrarán esto fácil de experimentar y manipular.
- Entrena tu modelo con privacidad diferencial
- El ejemplo de MNIST muestra una ejecución de un extremo a otro utilizando Opacus
- Opacus 1.0 introdujo muchas mejoras en la biblioteca
- Este código se publica bajo Apache 2.0
- Los profesionales de ML encontrarán que esta es una introducción suave al entrenamiento de un modelo con privacidad diferencial
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener de https://sourceforge.net/projects/opacus.mirror/. Ha sido alojado en OnWorks para poder ejecutarse online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.