Я пытаюсь познакомиться с тензорным потоком и умными людьми.Но кажется, что я перепутал функциональность.
Я создал простую модель с тензорным потоком, обучил ее, а затем хочу создать состязательный образ с помощью атаки CarliniWagnerL2 от умных людей.Я прочитал код документации tenorflows и cleverhans и попытался понять, что происходит, но я просто не понимаю, какую функцию из какой библиотеки мне нужно использовать.
Это мой упрощенный пример кода.Насколько я понял, я должен превратить вызываемый объект в допустимую функцию, используя CallableModelWrapper.Это правильно?Или моя модель не вызывается?Действительно ли возможно использовать тензорный поток для обучения модели, а затем атаковать ее умными людьми?Ошибка возникает, когда я пытаюсь сгенерировать состязательное изображение.
# TensorFlow and tf.keras
import tensorflow as tf
# Cleverhans
import cleverhans as ch
from cleverhans import attacks
from cleverhans import model
# Others
import numpy as np
sess = tf.Session()
# load data set
mnist = tf.keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
class_names = ['0', '1', '2', '3', '4',
'5', '6', '7', '8', '9']
train_images = train_images / 255.0
test_images = test_images / 255.0
#set up model
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation=tf.nn.relu),
tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='SGD',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# train
model.fit(train_images, train_labels, epochs=3)
# wrap
wrap = ch.model.CallableModelWrapper(model, 'probs')
cw = ch.attacks.CarliniWagnerL2(wrap, sess=sess)
#set params and targeted image
cw_params = {'batch_size': 1,
'confidence': 10,
'learning_rate': 0.1,
'binary_search_steps': 5,
'max_iterations': 1000,
'abort_early': True,
'initial_const': 0.01,
'clip_min': 0,
'clip_max': 1}
image = np.array([test_images[0]])
# and here i get the error!!!
adv_cw = cw.generate_np(image, **cw_params)
Я на самом деле хочу получить состязательное изображение, но что бы я ни пытался, мне кажется, что я использую смесь двух библиотек, и они не идутхорошо вместеЯ получаю:
NotImplementedError: должен реализовывать get_logits
или должен определять вывод logits в fprop
Может кто-нибудь помочь?
По сути, я просто хочу понять, какие модели я могу использовать для cleverhans.attacks!:)
Заранее спасибо.
Rolle
Редактировать
Это мой Traceback:
Traceback (most recent call last):
File "/usr/lib/python3.6/code.py", line 91, in runcode
exec(code, self.locals)
File "<input>", line 1, in <module>
File "/home/<me>/.local/share/JetBrains/Toolbox/apps/PyCharm-P/ch-0/191.6605.12/helpers/pydev/_pydev_bundle/pydev_umd.py", line 197, in runfile
pydev_imports.execfile(filename, global_vars, local_vars) # execute the script
File "/home/<me>/.local/share/JetBrains/Toolbox/apps/PyCharm-P/ch-0/191.6605.12/helpers/pydev/_pydev_imps/_pydev_execfile.py", line 18, in execfile
exec(compile(contents+"\n", file, 'exec'), glob, loc)
File "/home/<path_to_project>/tensorflow/untitled/minexample.py", line 57, in <module>
adv_cw = cw.generate_np(image, **cw_params)
File "/home/<me>/.local/lib/python3.6/site-packages/cleverhans/attacks/__init__.py", line 189, in generate_np
self.construct_graph(fixed, feedable, x_val, hash_key)
File "/home/<me>/.local/lib/python3.6/site-packages/cleverhans/attacks/__init__.py", line 161, in construct_graph
x_adv = self.generate(x, **new_kwargs)
File "/home/<me>/.local/lib/python3.6/site-packages/cleverhans/attacks/__init__.py", line 1196, in generate
x.get_shape().as_list()[1:])
File "/home/<me>/.local/lib/python3.6/site-packages/cleverhans/attacks_tf.py", line 628, in __init__
self.output = model.get_logits(self.newimg)
File "/home/<me/.local/lib/python3.6/site-packages/cleverhans/model.py", line 70, in get_logits
" output in `fprop`")
NotImplementedError: <class 'cleverhans.model.CallableModelWrapper'>must implement `get_logits` or must define a logits output in `fprop`
Я заменил свою внутреннюю структуру каталогов на path_to_project или me соответственно.