Royc30ne

Royc30ne

机器学习 | 联邦学习 | VPS | 摄影 | 日常

人工智能

cover
cover
cover

[Linux指南]手把手教你配置Ubuntu下的CUDA、cuDNN环境

导言 作为深度学习和并行计算的核心工具,CUDA(Compute Unified Device Architecture)为NVIDIA显卡提供了并行计算的能力。在本教程中,我们将详细介绍如何在Ubuntu操作系统下配置CUDA。本教程以CUDA 12.1和Ubuntu 20…
cover

[NumPy技巧]机器学习中使用numpy对数据集进行保存以集中管理

文章首发于若绾 摘要 在机器学习中,数据是至关重要的。因此,对于任何机器学习项目,对数据的管理和处理都是必不可少的。数据管理涉及到许多方面,包括数据的收集、清理、存储和处理。在这篇文章中,我们将讨论如何使用 NumPy 来保存数据集以供集中管理。 使用 NumPy 保存数据集…
cover

[联邦学习]Krum算法:深入解析及代码实现

在本篇文章中,我们将深入探讨联邦学习领域的一种重要算法——Krum算法。本文将介绍联邦学习的基本概念、Krum算法的原理、其在实际场景中的应用以及优势与不足。 论文原文:Machine Learning with Adversaries: Byzantine Tolerant…
[机器学习]K-means算法详解:原理、优缺点、代码实现、变体及实际应用
K-means算法是一种非常流行的无监督学习方法,主要应用于聚类问题。本篇博客将详细介绍K-means算法的原理、优缺点及实际应用场景。 K-means算法的核心思想是将数据划分为K个独立的簇(cluster),使得每个簇内的数据点距离尽可能小,而簇与簇之间的距离尽可能大…
cover

[联邦学习] 联邦学习概念及常见算法总结|聚合算法|防御算法|攻击算法

[持续更新中] Last Update: 2023/3/11 联邦学习是一种新兴的机器学习技术,它能够在保护隐私数据的同时,利用本地数据训练全局模型,降低通信开销和支持分布式设备,同时提高模型的精度和泛化性能。本文将介绍联邦学习的概念、常用算法、优缺点和应用场景。 联邦学习是…
cover

[联邦学习] FedAvg聚合算法详解及代码实现

论文原文:Communication-Efficient Learning of Deep Networks from Decentralized Data 概述 在现代计算机科学中,机器学习被广泛应用于各种领域。然而,机器学习需要大量的数据才能达到最佳性能。在某些情况下…
[机器学习]常用向量空间度量整理
当涉及到机器学习和数据科学的时候,向量空间距离是一个非常重要的概念。在很多机器学习应用中,数据点通常以向量形式表示。因此,了解如何计算和比较向量之间的距离是非常关键的。向量空间距离可以用于解决许多问题,例如聚类、分类、降维等等。在联邦学习项目中,向量空间距离尤其重要…
此博客数据所有权由区块链加密技术和智能合约保障仅归创作者所有。