pytorch部署到安卓,安全问题怎么保障

pytorch部署到安卓，安全问题保障方法有加密模型文件、验证模型来源、使用安全的传输协议、轻量化模型、隐藏模型、更新模型、限制模型使用范围。
1、加密模型文件：将模型文件加密，以避免未经授权的访问和使用。可以使用现有的加密算法，如AES加密算法、RSA算法等。
2、验证模型来源：在部署模型之前，需要验证模型的来源。确保模型来自可信的源，并且没有被篡改或修改。
3、使用安全的传输协议：在将模型从服务器传输到安卓设备时，使用安全的传输协议，如>        什么是inplace operation：in-place operation在pytorch中是指改变一个tensor的值的时候，不经过复制 *** 作，而是直接在原来的内存上改变它的值。可以把它成为原地 *** 作符。

        pytorch中，通常加后缀“_”来表示原地运算符，例如add_()，或者python中的 “+=”。
这种情况通常是数据还在cpu上，又要用到gpu上计算导致的，可以尝试数据后面加上cuda()。

cpu上的tensor和gpu上的tensor是太一样的：PyTorch中的数据类型为Tensor，Tensor与Numpy中的ndarray类似，同样可以用于标量，向量，矩阵乃至更高维度上面的计算。PyTorch中的tensor又包括CPU上的数据类型和GPU上的数据类型，一般GPU上的Tensor是CPU上的Tensor加cuda()函数得到。通过使用Type函数可以查看变量类型。系统默认的torchTensor是torchFloatTensor类型。例如data = torchTensor(2,3)是一个23的张量，类型为FloatTensor; datacuda()就将其转换为GPU的张量类型，torchcudaFloatTensor类型。

尝试将torchLongTensor转换为：torchFolatTensor类型。

函数或者可调用对象使用时候没有加括号。
(1）只要是用到for循环都是在cpu上进行的，会消耗巨量的时间

(2)只要是用到生成矩阵这种 *** 作都是在cpu上进行的，会很消耗时间。

(3)数据往cuda()上搬运会比较消耗时间，也就是说 cuda()会比较消耗时间，能去掉就去掉。

(4)在服务器上，如果可以在一块gpu上运行就不要采用net = nnDataParallel(net)，这种gpu并行方式比单个gpu要耗时。

关于断点调试： pycharm单步调试 - qq_33485434的博客 - CSDN博客

x= torchtensor(x)  ------>    x= xclone()

这个好奇怪，对于x= torchmatmul(x,one_hot_copy)， 只要提前把x和one_hot_copy后面加上float()就可以解决。

二维张量相乘： 二维矩阵相乘 AB: Amm(B), 多维矩阵相乘 AB: Amatmul(B), 注意需要long()数据类型。tensormul(tensor)

在jetson nano部署剪枝版的yolov3项目，
>

《深度学习框架PyTorch：入门与实践》（陈云）电子书网盘下载免费在线阅读

资源链接：

链接：> 提取码：gokn

书名：深度学习框架PyTorch：入门与实践

作者：陈云

豆瓣评分：67

出版社：电子工业出版社

出版年份：2018-1

页数：300

内容简介：

《深度学习框架PyTorch：入门与实践》从多维数组Tensor开始，循序渐进地带领读者了解PyTorch各方面的基础知识。结合基础知识和前沿研究，带领读者从零开始完成几个经典有趣的深度学习小项目，包括GAN生成动漫头像、AI滤镜、AI写诗等。《深度学习框架PyTorch：入门与实践》没有简单机械地介绍各个函数接口的使用，而是尝试分门别类、循序渐进地向读者介绍PyTorch的知识，希望读者对PyTorch有一个完整的认识。

《深度学习框架PyTorch：入门与实践》内容由浅入深，无论是深度学习的初学者，还是第一次接触PyTorch的研究人员，都能在学习本书的过程中快速掌握PyTorch。即使是有一定PyTorch使用经验的用户，也能够从本书中获得对PyTorch不一样的理解。

作者简介：

陈云

Python程序员、Linux爱好者和PyTorch源码贡献者。主要研究方向包括计算机视觉和机器学习。“2017知乎看山杯机器学习挑战赛”一等奖，“2017天池医疗AI大赛”第八名。 热衷于推广PyTorch，并有丰富的使用经验，活跃于PyTorch论坛和知乎相关板块。

可以通过服务器或小插件下载。
如果搭建了ftp服务可以通过ftp，如果只有ssh连接也可以在线安装一些小插件下载。
腾讯云云服务器是在云中提供可扩展的计算服务，功能非常强大。

---