GAN探索之数字样本生成（Pytorch实现LeNet网络进行对抗比较）

pytorch python 人工智能深度学习

数字对抗样本生成 LeNet是一个小型的神经网络结构，仅包含两层卷积层、两个池化层以及三层全连接。该轻量级网络能快速、占内存小、高精确度的解决复杂度比较低的问题，如手写数字识别。本实验要求： (步骤1)用LeNet网络完成手写数字识别任务。 (步骤2)利用对抗样本工具包生成针对该网络的对抗样本。首先简要介绍了GAN的原理，通俗易懂我简要实现了这一部分，并且包括每一部分的数字可视化功能，包括LeNet模型的构建，以及对于LeNet的超参数的调节和一些方法，最后也把模型权重保存下来，不用训练也可以直接用。在步骤二中，生成针对该网络的对抗样本。做了威胁模型，快速梯度符号攻击，定义扰动上限 epsilons，被攻击的模型，FGSM 攻击方式，测试函数的操作最后启动攻击，得到对抗结果，最后比较准确性 vs Epsilon，就得到最后的实验结果。所有的介绍和方法和代码都是可以直接运行的

文件下载

资源详情

[{"title":"（ 6 个子文件 1.78MB ） GAN探索之数字样本生成（Pytorch实现LeNet网络进行对抗比较）","children":[{"title":"数字对抗样本生成","children":[{"title":"mnist_net2.pth 246.94KB ","children":null,"spread":false},{"title":"GAN系列探索与pytorch实现（数字对抗样本生成）.pdf 1.14MB ","children":null,"spread":false},{"title":"LeNet.ipynb 217.49KB ","children":null,"spread":false},{"title":"生成对抗样本.ipynb 180.52KB ","children":null,"spread":false},{"title":"mnist_net.pth 246.94KB ","children":null,"spread":false},{"title":"README.md 38.53KB ","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

GAN探索之数字样本生成（Pytorch实现LeNet网络进行对抗比较）

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载