|
|
@@ -187,19 +187,19 @@ mindarmour.privacy.diff_privacy |
|
|
|
|
|
|
|
.. py:method:: max_epoch_suggest() |
|
|
|
|
|
|
|
估计最大训练epoch,以满足预定义的隐私预算。 |
|
|
|
估计最大训练epoch,以满足预定义的隐私预算。 |
|
|
|
|
|
|
|
**返回:** |
|
|
|
**返回:** |
|
|
|
|
|
|
|
- **int** - 建议的最大训练epoch。 |
|
|
|
- **int** - 建议的最大训练epoch。 |
|
|
|
|
|
|
|
.. py:method:: step_end(run_context) |
|
|
|
|
|
|
|
在每个训练步骤后计算隐私预算。 |
|
|
|
在每个训练步骤后计算隐私预算。 |
|
|
|
|
|
|
|
**参数:** |
|
|
|
**参数:** |
|
|
|
|
|
|
|
- **run_context** (RunContext) - 包含模型的一些信息。 |
|
|
|
- **run_context** (RunContext) - 包含模型的一些信息。 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
@@ -220,7 +220,7 @@ mindarmour.privacy.diff_privacy |
|
|
|
|
|
|
|
- **num_samples** (int) - 训练数据集中的样本总数。 |
|
|
|
- **batch_size** (int) - 训练时批处理中的样本数。 |
|
|
|
- **initial_noise_multiplier(Union[float, int]) - 高斯噪声标准偏差除以norm_bound的比率,将用于计算隐私预算。默认值:1.5。 |
|
|
|
- **initial_noise_multiplier** (Union[float, int]) - 高斯噪声标准偏差除以norm_bound的比率,将用于计算隐私预算。默认值:1.5。 |
|
|
|
- **max_eps** (Union[float, int]) - DP训练的最大可接受epsilon预算,用于估计最大训练epoch。默认值:10.0。 |
|
|
|
- **target_delta** (Union[float, int]) - DP训练的目标delta预算。如果target_delta设置为δ,则隐私预算δ将在整个训练过程中是固定的。默认值:1e-3。 |
|
|
|
- **noise_decay_mode** (Union[None, str]) - 训练时添加噪音的衰减模式,可以是None、'Time'、'Step'、'Exp'。默认值:'Time'。 |
|
|
|