隐私参数对图像分类深度学习模型的影响

该项目旨在开发用于CIFAR-10数据集图像分类的差分隐私深度学习模型，并分析各种隐私参数对模型准确性的影响。我们实现了五种不同的深度学习模型，即ConvNet、ResNet18、EfficientNet、ViT和DenseNet121，以及三种监督分类器，即K近邻、朴素贝叶斯分类器和支持向量机。我们在不同设置下评估了这些模型的性能。我们目前表现最好的模型是EfficientNet，测试准确率为$59.63\%$，参数如下：Adam优化器、批量大小256、epoch大小100、epsilon值5.0、学习率$1e-3$、裁剪阈值1.0和噪声乘数0.912。