これは Opacus という名前の Linux アプリで、その最新リリースは Opacusv1.4.0.zip としてダウンロードできます。 これは、ワークステーション用の無料のホスティング プロバイダーである OnWorks でオンラインで実行できます。
Opacus という OnWorks という名前のこのアプリをオンラインで無料でダウンロードして実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOnWorksLinuxオンラインまたはWindowsオンラインエミュレーターまたはMACOSオンラインエミュレーターを起動します。
-5。起動したばかりのOnWorksLinux OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードし、インストールして実行します。
スクリーンショットは
Ad
オーパクス
DESCRIPTION
Opacus は、差分プライバシーを使用して PyTorch モデルのトレーニングを可能にするライブラリです。 クライアントに必要な最小限のコード変更でトレーニングをサポートし、トレーニングのパフォーマンスにほとんど影響を与えず、クライアントが任意の時点で消費されたプライバシー予算をオンラインで追跡できるようにします。 マイクロ バッチ処理よりも 10 倍高速なベクトル化されたサンプルごとの勾配計算。 ほとんどのタイプの PyTorch モデルをサポートし、元のニューラル ネットワークへの最小限の変更で使用できます。 差分プライバシー研究用のオープン ソースのモジュラー API。 どなたでもご参加いただけます。 ML の実践者は、最小限のコード変更しか必要としないため、これが差分プライバシーを使用してモデルをトレーニングするための穏やかな導入であることに気付くでしょう。 差分プライバシーの研究者は、これを簡単に実験して調整できるため、重要なことに集中できます。
特徴
- 差分プライバシーの研究者は、これを簡単に実験していじくり回せることに気付くでしょう。
- 差分プライバシーを使用してモデルをトレーニングする
- MNIST の例は、Opacus を使用したエンドツーエンドの実行を示しています。
- Opacus 1.0 では、ライブラリに多くの改善が導入されました
- このコードは Apache 2.0 でリリースされています
- ML の実践者は、これが差分プライバシーを使用してモデルをトレーニングするための穏やかな紹介であることに気付くでしょう。
プログラミング言語
Python
カテゴリー
これは https://sourceforge.net/projects/opacus.mirror/ からも取得できるアプリケーションです。 これは、OnWorks でホストされており、無料のオペレーティング システムの XNUMX つからオンラインで簡単に実行できます。
