摘要： 3、方法 In this section, we introduce the proposed VSRNet which aims to jointly retrieve the corresponding videos and locate the related segments accordi 阅读全文

摘要： 一、列表转换成字典 self.cat_list = [] with open(os.path.join(self.raw_data, "cat.txt")) as f: for line in f.readlines(): self.cat_list.append(line.strip()) sel 阅读全文

摘要： 注意：如果您想要更多演示来展示您可以使用 PySyft 做什么，您可以在 Twitter 上关注@theoryffel和@openminedorg。感谢所有反馈！ 目前，Privacy-Preserving ML 中的许多作品都在探索联邦学习和差分隐私，但恰好很难将它们一起使用，并且关于如何使用它们 阅读全文

摘要： 总结：我从可以玩的玩具代码中学习得最好。本教程使用 PyTorch 最近发布的名为 Opacus 的库（此处提供完整代码示例）来教授差异化私有深度学习。有关差异隐私的更多信息，您可以在 Twitter 上关注@kritipraks或@openminedorg。 我们 OpenMined 正在与 Py 阅读全文

摘要： We are starting a series of blog posts on DP-SGD that will range from gentle introductions to detailed coverage of the math and of engineering details 阅读全文

摘要： 一、代码 def clean(): train = pd.read_csv(os.path.join(raw, "train.txt"),sep="\t", header=None,names=["s", "l"]) train_s = train["s"].tolist() train_l = t 阅读全文

摘要： 一、读取数据 二、数据集划分 三、准备建模 四、数据准备 五、构建模型 六、训练模型 七、版本二：模型归一化 阅读全文

摘要： 前言 在大数据和算力的助力下，深度学习掀起了一波浪潮，在许多领域取得了显著的成绩。以监督学习为主的深度学习方法，往往期望能够拥有大量的标注样本进行训练，模型能够学到更多有价值的知识（如下左图展示了3组常见的图像分类数据集，拥有上万的标注样本）。 然而，实际应用场景的标注样本严重稀缺。并且，标注大量样 阅读全文

摘要： 主动学习背景介绍 机器学习的研究领域包括有监督学习（Supervised Learning），无监督学习（Unsupervised Learning），半监督学习（Semi-supervised Learning）和强化学习（Reinforcement Learning）等诸多内容。针对有监督学习和 阅读全文

摘要： 一、数据读取 二、准备建模 三、模型定义 四、模型训练 五、特征数据归一化 六、模型应用 六、可视化训练过程的损失 七、新版本-tensorbord可视化 阅读全文