人工智能
[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…
[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…
[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…
[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…
[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…