Adversarially Robust Googlenet 模型
Adversarially Robust Googlenet model
如何在自己的图像分类数据集上训练 googlenet 模型？
例如：使用cleverhans库，对运行攻击的批量数据是MNIST和CIFAR。
我使用 Tensorflow 用我自己的数据 (Googlenet) 训练了一个图像分类器，现在我想用对抗样本训练模型。我可以用 cleverhans 库做的任何想法。谢谢。
最简单的可能是从您自己的代码开始训练 GoogleNet 并修改其损失。您可以在 CleverHans tutorial. It uses the loss implementation found here 中找到对损失进行修改的示例，该修改会在对抗性示例上增加惩罚，以定义干净图像上的 cross-entropy 和对抗性图像上的 cross-entropy 之间的加权平均值.
如何在自己的图像分类数据集上训练 googlenet 模型？
例如：使用cleverhans库，对运行攻击的批量数据是MNIST和CIFAR。
我使用 Tensorflow 用我自己的数据 (Googlenet) 训练了一个图像分类器，现在我想用对抗样本训练模型。我可以用 cleverhans 库做的任何想法。谢谢。
最简单的可能是从您自己的代码开始训练 GoogleNet 并修改其损失。您可以在 CleverHans tutorial. It uses the loss implementation found here 中找到对损失进行修改的示例，该修改会在对抗性示例上增加惩罚，以定义干净图像上的 cross-entropy 和对抗性图像上的 cross-entropy 之间的加权平均值.