adversarial attack on CIFAR10 to test different wide network 在CIFAR10数据集上测试网络宽度对对抗攻击的影响
- PGD attack code from there epsilon=0.3, k=40, a=0.01
-
ShuffleNetV2, ShuffleNetV2_x2, ShuffleNetV2_x4
-
MobileNetV2, MobileNetV2_x2,MobileNetV2_x4
模型来自torchvision.model，更多细节参考
不同宽度的模型是自己修改的，可能会影响到准确率
-
torch==1.1.0
-
torchvision==0.3.0
-
pillow<7.0.0
-
tqdm
-
运行
main.py即可，此方法需要配置config.py文件。或使用notebook运行main.ipynb，此方法不需要配置文件，在ipynb里面配置即可 -
若
./ckps文件夹下无预训练模型，则需要先训练模型 -
分为train()和train_adv_PGD()函数，train()作用是使用真实数据集训练并将模型保存在ckps文件夹下；train_adv_PGD()用于读取预训练模型并生成对抗样本，样本放入相同的新的随机初始化模型上训练
-
训练完成后测试其对抗性，使用attack_PGD()函数，预训练模型放入config中的model_path中
-
目前只测试过notebook版本