Eileen2014

运行train_test.py时AssertionError: Invalid device id

2

Traceback (most recent call last): File "train_test.py", line 183, in net = torch.nn.DataParallel(net, device_ids=list(range(args.ngpu))) File "/home/cv2018/anaconda3/lib/python3.6/site-packages/torch/nn/parallel/data_parallel.py", line 102, in __init__ _check_balance(self.device_ids) File "/home/cv2018/anaconda3/lib/python3.6/site-packages/torch/nn/parallel/data_parallel.py", line 17, in _check_balance dev_props = [torch.cuda.get_device_properties(i)...

当我运行，FSSD时出现下面的错误 loading pretrained model from weights/mobilenet_1.pth Loading weights into state dict... Traceback (most recent call last): File "train_test_fssd_mobile_pre.py", line 132, in net.load_weights(args.basenet) File "/home/cv2018/PytorchSSD-master/models/FSSD_mobile.py", line 135, in load_weights state_dict =...

mpc4j-s2pc-pir--初始化编辑多项式分区及填充问题

3

我有一个问题，就是partitionCount，是不是有多处不同含义的应用？哈希桶中每个桶分为partitionCount个，但是server端计算多项式返回的时候为什么也分区了？返回的数量是[partitionCount*密文数][多项式模数]？这个分区我不是很能理解 还有就是在布谷hash这一步实际上进行了两次的填充，如果在数据量很大的时候这两次填充很吃内存，是否能省略掉一次填充？

mpc4j-s2pc-pir 输入数据elementBitLength问题

3

在实验数据中，生成的每行数据长度是固定的，因此在开始server端初始化的时候是知道elementBitLength长度的，如果每行实验数据的长度是未知的，elementBitLength在输入的时候不能确定初始化的时候要怎么办？初始化第三步进行多项式计算的时候涉及 int labelPartitionCount = CommonUtils.getUnitNum((labelByteLength + ivByteLength) * Byte.SIZE, (PirUtils.getBitLength(params.getPlainModulus()) - 1) * itemEncodedSlotSize); 还有就是服务端和客户端的数据 Key和Label的大小是不是都要小于128bit