- 博客(14)
- 收藏
- 关注
RSS订阅原创 Protecting Intellectual Property of Deep Neural Networks with Watermarking研读报告
摘要：作为最先进的人工智能服务的关键组成部分，深度学习技术已经在为各种技术提供人类水平的能力方面取得了巨大的成功。例如，视觉分析、语音识别和自然语言处理等等。构建一个生产级别的深度学习模型并不是一件易事，其需要大量的训练数据、强大的计算资源以及专家经验。因此，非法复制、传播和衍生专有深度学习模型会对造成模型创建者的版权侵犯和经济损失。因此，设计一种技术来保护深度学习模型的知识产权，并使模型所有权能够得到外部验证是非常必要的。 在本文中，我们将多媒体所有权验证所采用的“数字水印”概念引入到深度神经网络模型
2021-09-01 22:49:29
1139
2
翻译 Introduction to PyTorch系列官方教程中文版-4 # Build The Neural Network
# Build The Neural Network 神经网络由对数据执行操作的层/模块组成。torch.nn提供了构建神经网络所需的所有模块。Pytorch中的每个模块都是nn.Module的子类。一个神经网络是一个包含了其他模块(层)的模块。这种嵌套的结构使得更容易建立和管理这种复杂的结构。 示例：建立一个神经网络去识别FashionMNIST数据集中的图像import osimport torchfrom torch import nnfrom torch.utils.data imp
2021-08-28 19:34:53
190
翻译 Introduction to PyTorch系列官方教程中文版-3 TRANSFORMS
3 Transforms 数据并不总是以训练机器学习算法所需的最终形式呈现。我们使用Transform来对数据进行一些操作以使其适合训练需要。 所有TorchVision数据集都有两个参数： （1）transform: 修改特征 （2）target_transform: 修改标签 FashionMNIST数据集的特征格式为PIL图像格式，标签是整数。为了训练模型，我们需要对特征进行归一化，转为Tensor，将标签转为one-hot编码Tensor。我们使用ToTensor和lambda来完成
2021-08-28 16:23:52
167
翻译 Introduction to PyTorch系列官方教程中文版-2 DATASETS&DATALOADER
Chapter2 数据集和数据集加载器 处理数据样本的代码可能会变得混乱且难以维护，我们理想地希望我们的数据集代码与我们的模型训练代码解耦合，以获得更好的可读性和模块化。Pytorch提供了两个数据原语：torch.utils.data.DataLoader和torch.utils.data.Dataset，可以更好地使用预加载数据集，以及自己的数据。 Pytorch提供了许多预加载的数据集，例如FashionMNIST等。1 加载数据集 以下是如何从TorchVision加载Fashion-
2021-08-28 08:48:42
158
翻译 Introduction to PyTorch系列官方教程中文版-1 Tensor
Chapter 1 TENSORS Tensor 是一种特殊的数据结构，与数组和矩阵非常相似。在Pytorch中，我们使用Tensor对模型的输入和输出以及模型的参数进行编码 Tensor类似于Numpy的ndarray，不同之处在于Tensor可以在GPU或其他专用硬件上运行以加速计算。事实上，张量和Numpy数组通常可以共享相同的底层内存，从而消除了复制数据的需要(详见Numpy中桥的使用)。张量也对自动求导进行了优化(将在后面的Autograd部分看到更多)。import torchimp
2021-08-27 13:38:27
181
原创 Stealing Machine Learning Models via Prediction APIs研读报告
机器学习(ML)模型可能因其敏感的训练数据、商业价值或在安全应用中的应用而被视为机密。越来越多的情况是，机器学习(ML)模型使用公开可访问的查询接口部署。机器学习即服务系统就是一个例子:这些系统允许用户使用潜在敏感数据对模型进行训练，并向其他用户收取按查询付费的访问费用。 模型机密性和公共访问之间的紧张关系激发了人们对模型窃取攻击的研究。在这种攻击中，一个拥有黑箱访问权限但却不知道机器学习模型的参数或训练数据等先验知识的对手，旨在复制(即“窃取”)模型的功能。与经典学习理论设置不同，机器学习即服务提供可
2021-08-24 14:16:23
1824
2
原创 Anaconda创建一个Python3.8+TensorFlow2.3.1虚拟环境，并安装Pytorch、keras等
第一步： 首先，打开Anaconda3 Prompt第二步：输入 conda create -n TensorFlow2.3.1 python=3.8 创建TensorFlow虚拟环境第三步： 激活新建的TensorFlow环境第四步： 使用清华源安装TensorFLow2.3.1pip install tensorflow==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple第五步： 测试Tensorflow是否安装成功(1) 输入
2021-08-01 13:00:05
1828
转载 2021-06-23
Go语言配置管理神器——Viper中文教程转载： http://www.manongjc.com/detail/18-qtpsoqqbiwyfani.html
2021-06-23 15:18:17
77
原创 UVA11988 紫书例题6-4 破损的键盘（Broken Keyboard (a.k.a. Beiju Text)）
**Broken Keyboard (a.k.a. Beiju Text)**You're typing a long text with a broken keyboard. Well it's not so badly broken. The only problem with the keyboard is that sometimes the "home" key or the "end" key gets automatically pressed (internally).You're
2021-03-04 14:56:10
357
1
原创 使用python手动实现one-hot编码
什么是独热编码？独热编码(One-Hot Encoding)，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。即，只有一位是1，其余都是零值。例如，对六个状态进行编码：自然顺序码为 000,001,010,011,100,101独热编码则是 000001,000010,000100,001000,010000,100000one-hot编码的python手动实现import numpy as npsamples
2021-02-21 09:32:23
1168
1
原创 第九届蓝桥杯省赛【C/C++ B组】 递增三元组
标题：递增三元组给定三个整数数组A = [A1, A2, ... AN], B = [B1, B2, ... BN], C = [C1, C2, ... CN]，请你统计有多少个三元组(i, j, k) 满足：1. 1 <= i, j, k <= N 2. Ai < Bj < Ck 【输入格式】 第一行包含一个整数N。第二行包含N个整数A1, A2, ... AN。第三...
2018-05-02 16:55:09
263
原创 第九届蓝桥杯【C/C++省赛B组】【第八题：日志统计】
题目：小明维护着一个程序员论坛。现在他收集了一份”点赞”日志，日志共有N行。其中每一行的格式是：ts id表示在ts时刻编号id的帖子收到一个"赞"。现在小明想统计有哪些帖子曾经是"热帖"。如果一个帖子曾在任意一个长度为D的时间段内收到不少于K个赞，小明就认为这个帖子曾是"热帖"。具体来说，如果存在某个时刻T满足该帖在[T, T+D)这段时间内(注意是左闭右开区间)收到不少于K个赞，该帖就曾是"热...
2018-05-02 16:39:17
580
原创 第九届蓝桥杯省赛C/C++B组第九题-全球变暖代码
第九题：标题：全球变暖 你有一张某海域NxN像素的照片，"."表示海洋、"#"表示陆地，如下所示： ........##.....##........##...####....###........ 其中"上下左右"四个方向上连在一起的一片陆地组成一座岛屿。例如上图就有2座岛屿。 由于全球变暖导致了海面上升，科学家预测未来几十年，岛屿边缘一个像素的范围会被海水淹没。具体来说如果一块陆地像素与海...
2018-04-27 17:07:14
354
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人