2024-06-16 10:29:46 发布
网友
神经结构学习(NSL)最近被引入到tensorflow 2.0中。我已经通过了tensorflow站点上NSL上的this guide和this tutorial关于图像分类的对抗正则化。从概念上讲,我不清楚这是如何工作的。如何生成额外的对抗性样本,什么是对抗性训练,它如何帮助实现更高的准确性/性能?附加的代码确实很短,但是这个代码在幕后做了什么还不清楚。如果能从外行的角度一步一步地进行内部解释,我将不胜感激。你知道吗
典型的对抗性例子是通过获得输出的梯度w.r.t.和输入的梯度,然后最大化损失。例如,如果你有一个猫和狗的分类任务,你想创建一个对抗性的例子,你输入一个256 x 256猫图像到你的网络,得到损失的梯度w.r.t.输入,这也是一个256 x 256张量,然后添加负梯度(摄动)到你的图像,直到网络将它分类为狗。通过使用正确的标签再次对这些生成的图像进行训练,网络对噪声/扰动变得更加鲁棒。你知道吗
还有其他更复杂的方法。例如this paper解释了输入中的模式如何破坏光流估计网络的输出。你知道吗
典型的对抗性例子是通过获得输出的梯度w.r.t.和输入的梯度,然后最大化损失。例如,如果你有一个猫和狗的分类任务,你想创建一个对抗性的例子,你输入一个256 x 256猫图像到你的网络,得到损失的梯度w.r.t.输入,这也是一个256 x 256张量,然后添加负梯度(摄动)到你的图像,直到网络将它分类为狗。通过使用正确的标签再次对这些生成的图像进行训练,网络对噪声/扰动变得更加鲁棒。你知道吗
还有其他更复杂的方法。例如this paper解释了输入中的模式如何破坏光流估计网络的输出。你知道吗
相关问题 更多 >
编程相关推荐