3月29日毕设准备

3月29日毕设准备

前期提出的需要解决问题：
1、制作数据集
2、批量生存对抗样本
3、编写实现文件夹名字转换成label的函数
4、对抗训练（耗时可能很长，需要尽快实现）
5、编写对抗攻击的准确率统计函数。
6、学会用pytroch搭建几个典型模型。
7、学会下载模型已有参数（已下在/root/.cache/torch/hub/checkpoints/里一个）
这7个我一起解决了No.7和No.6,我通过pytorch自带有一些高级的复杂模型，我们可以通过 torchvision.models 调用，例如torchvision.models.densenet169(pretrained=True)就调用了densenet169的预训练模型。就可以下载参数以及模型，再直接跑就可以
No.3简单的通过

key_list=[]

value_list=[]

for key,value in idx_to_label.items():

    key_list.append(key)

    value_list.append(value)

get_value = imagnet_data.classes[0]
print(imagnet_data.classes[0])
if get_value in value_list:

    get_value_index = value_list.index(get_value)
print("你要查询的值对应的键为：%s" %key_list[get_value_index])

获取label对应字典中的根据值获取对应的键值，这样再通过

for atk in atks :
    
    print("-"*70)
    print(atk)
    
    correct = 0
    total = 0
    start = time.time()
    
    for images, labels in data_loader:
        print(labels.type)
        labels[0]=388
        adv_images = atk(images, labels)
        labels = labels.to(device)
        outputs = model(adv_images)

        _, pre = torch.max(outputs.data, 1)
        print("labels",labels)
        total += 1
        print(pre)
        correct += (pre == labels).sum()

        #imshow(torchvision.utils.make_grid(adv_images.cpu().data, normalize=True), [imagnet_data.classes[i] for i in pre])
    #print(imagnet_data.classes[i] for i in pre)
    print('Total elapsed time (sec): %.2f' % (time.time() - start))
    print('Robust accuracy: %.2f %%' % (100 * float(correct) / total))
    plt.show()

把labels的值改为tensor([388],…)简单实现了鲁棒性出现100%的情况。
还剩问题：
1、制作数据集
2、批量生存对抗样本
3、完善编写实现文件夹名字转换成label的函数
4、对抗训练（耗时可能很长，需要尽快实现）
5、编写对抗攻击的准确率统计函数。