python工具箱用于创建欺骗神经网络的敌对示例
foolbox的Python项目详细描述
…图片：：https://readthedocs.org/projects/foolbox/badge/？version=latest
：目标：https://foolbox.readthedocs.io/en/latest/
。图片：https://travis-ci.org/bethgelab/foolbox.svg？branch=master
：目标：https://travis ci.org/bethgelab/foolbox
…图片：：https://coveralls.io/repos/github/bethgelab/foolbox/badge.svg
：目标：https://coveralls.io/github/bethgelab/foolbox
…图片：：https://badge.fury.io/py/foolbox.svg
：目标：https://badge.fury.io/py/foolbox
=
=
foolbox
=
foolbox是一个python工具箱，用于创建欺骗神经网络的对抗示例。它需要"python"、"numpy"和"scipy"。
代码块：bash
pip install foolbox
我们使用python 2.7、3.5和3.6进行测试。其他python版本也可以工作。**建议使用python 3！**
文档
----
文档可在readthedocs上获得：http://foolbox.readthedocs.io/
我们描述foolbox的论文在arxiv上：https://arxiv.org/abs/1707.04131
示例
-
。代码块：python
import foolbox
import keras
import numpy as np
from keras.applications.resnet50 import resnet50
=（np.array（[104，116，123]），1）
fmodel=foolbox.models.kerasmodel（kmodel，bounds=（0，255），preprocessing=preprocessing）
通道，因为keras resnet50需要bgr而不是rgb
attack=foolbox.attacks.fgsm（fmodel）
departarial=attack（image[：，：，：-1]，label）
看看"documentation<；https://foolbox.readthedocs.io/en/latest/user/examples.html>；` ` ` `.
代码块：python
1]
plt.axis（'off'）
plt.subflot（1，3，2）
plt.title（'departarial'）
plt.imshow（departarial[：，：，：-1]/255）：：-1将bgr转换为rgb
plt.axis（'off'）
plt.subflot（1，3，3）
plt.title（'difference'）
difference=departarial[：，：，：：-1]-图像
plt.imshow（difference/abs（difference.max（）*0.2+0.5）
plt.axis（'off'）
plt.show（）
图片：：https://github.com/bethgelab/foolbox/raw/master/example.png
tensorflow、
pytorch、theano、千层面和mxnet等一系列其他深度学习软件包的接口都可用，例如
。代码块：：python
model=foolbox.models.tensorflowmodel（images，logits，bounds=（0，255））
model=foolbox.models.pytorchmodel（torchmodel，bounds=（0，255），num_classes=1000）
特定的目标类或目标概率
原始类或目标类的值可以传递给攻击，例如
…代码块：：python
criteria=foolbox.criteria.targetClass（22）
attack=foolbox.attacks.lbfgsattack（fmodel，criteria）
只需在"github<；https://github.com/bethgelab/foolbox/issues/new>；``上新建一期即可。
questions&faq
——
根据问题的性质，可以将其作为问题发布到"github"<；https://github.com/bethgelab/foolbox/issues/new>；`，也可以使用"foolbox"标记将其作为问题发布到"stack overflow"<；https://stackoverflow.com>；`。我们将尝试监视该标记，但如果您没有得到答案，请随时与我们联系。
https://foolbox.readthedocs.io/en/latest/index.html>；` `.
欢迎投稿
-
例如，caffe、caffe2或cntk，提供必要的包装材料。如果我们能提供任何帮助，请不要急于联系我们。
请考虑在结果出版物中引用它：
。代码块：
@article{rauber2017foolbox，
title={foolbox:a python toolbox to benchmarking the robustness of machine learning models}，
author={rauber，jonas and brendel，wieland bethge，matthias}，
journal={arxiv preprint arxiv:1707.04131}，
year={2017}，
url={http://arxiv.org/abs/1707.04131}，
archiveprefix={arxiv}，
eprint={1707.04131}，
}
`
*`wieland brendel<；https://github.com/wielandbrendel>；`
----
图片：：http://bethgelab.org/media/banners/benchmark_banner_small.png
：目标：https://robust.vision/benchmark
您可能想看看我们最近发布的"robust vision benchmark<；https://robust.vision/benchmark>；`。
：目标：https://foolbox.readthedocs.io/en/latest/
。图片：https://travis-ci.org/bethgelab/foolbox.svg？branch=master
：目标：https://travis ci.org/bethgelab/foolbox
…图片：：https://coveralls.io/repos/github/bethgelab/foolbox/badge.svg
：目标：https://coveralls.io/github/bethgelab/foolbox
…图片：：https://badge.fury.io/py/foolbox.svg
：目标：https://badge.fury.io/py/foolbox
=
=
foolbox
=
foolbox是一个python工具箱，用于创建欺骗神经网络的对抗示例。它需要"python"、"numpy"和"scipy"。
代码块：bash
pip install foolbox
我们使用python 2.7、3.5和3.6进行测试。其他python版本也可以工作。**建议使用python 3！**
文档
----
文档可在readthedocs上获得：http://foolbox.readthedocs.io/
我们描述foolbox的论文在arxiv上：https://arxiv.org/abs/1707.04131
示例
-
。代码块：python
import foolbox
import keras
import numpy as np
from keras.applications.resnet50 import resnet50
=（np.array（[104，116，123]），1）
fmodel=foolbox.models.kerasmodel（kmodel，bounds=（0，255），preprocessing=preprocessing）
通道，因为keras resnet50需要bgr而不是rgb
attack=foolbox.attacks.fgsm（fmodel）
departarial=attack（image[：，：，：-1]，label）
看看"documentation<；https://foolbox.readthedocs.io/en/latest/user/examples.html>；` ` ` `.
代码块：python
1]
plt.axis（'off'）
plt.subflot（1，3，2）
plt.title（'departarial'）
plt.imshow（departarial[：，：，：-1]/255）：：-1将bgr转换为rgb
plt.axis（'off'）
plt.subflot（1，3，3）
plt.title（'difference'）
difference=departarial[：，：，：：-1]-图像
plt.imshow（difference/abs（difference.max（）*0.2+0.5）
plt.axis（'off'）
plt.show（）
图片：：https://github.com/bethgelab/foolbox/raw/master/example.png
tensorflow、
pytorch、theano、千层面和mxnet等一系列其他深度学习软件包的接口都可用，例如
。代码块：：python
model=foolbox.models.tensorflowmodel（images，logits，bounds=（0，255））
model=foolbox.models.pytorchmodel（torchmodel，bounds=（0，255），num_classes=1000）
特定的目标类或目标概率
原始类或目标类的值可以传递给攻击，例如
…代码块：：python
criteria=foolbox.criteria.targetClass（22）
attack=foolbox.attacks.lbfgsattack（fmodel，criteria）
只需在"github<；https://github.com/bethgelab/foolbox/issues/new>；``上新建一期即可。
questions&faq
——
根据问题的性质，可以将其作为问题发布到"github"<；https://github.com/bethgelab/foolbox/issues/new>；`，也可以使用"foolbox"标记将其作为问题发布到"stack overflow"<；https://stackoverflow.com>；`。我们将尝试监视该标记，但如果您没有得到答案，请随时与我们联系。
https://foolbox.readthedocs.io/en/latest/index.html>；` `.
欢迎投稿
-
例如，caffe、caffe2或cntk，提供必要的包装材料。如果我们能提供任何帮助，请不要急于联系我们。
请考虑在结果出版物中引用它：
。代码块：
@article{rauber2017foolbox，
title={foolbox:a python toolbox to benchmarking the robustness of machine learning models}，
author={rauber，jonas and brendel，wieland bethge，matthias}，
journal={arxiv preprint arxiv:1707.04131}，
year={2017}，
url={http://arxiv.org/abs/1707.04131}，
archiveprefix={arxiv}，
eprint={1707.04131}，
}
`
*`wieland brendel<；https://github.com/wielandbrendel>；`
----
图片：：http://bethgelab.org/media/banners/benchmark_banner_small.png
：目标：https://robust.vision/benchmark
您可能想看看我们最近发布的"robust vision benchmark<；https://robust.vision/benchmark>；`。
欢迎加入QQ群-->： 979659372
