PyTorch官方文档——CV篇上：Mask R-CNN实例分割，ConvNet图片分类，对抗训练FGSM
文章目录
- 一、 torchvision实例分割教程
-
- 1.1 数据预处理
-
- 1.1.1 Dataset类定义方法
- 1.1.2 自定义PennFudan数据集
- 1.2 定义模型
-
- 1.2.1 预训练模型的微调
- 1.2.2 修改模型的backbone
- 1.2.3 定义实例分割模型
- 1.3 合并所有内容
- 1.4 开始训练
- 1.5 总结
- 二、迁移学习教程（ConvNet图片分类）
-
- 2.1 数据预处理
-
- 2.1.1 加载数据集
- 2.1.2 查看图像
- 2.2 训练模型
-
- 2.2.1 定义训练函数
- 2.2.2 可视化模型预测
- 2.3 ConvNet 微调
-
- 2.3.1 加载预训练模型
- 2.3.2 训练和评估
- 2.4 ConvNet 作为特征提取器
-
- 训练和评估
- 2.5 进阶知识、源码
- 2.6 设置分层学习率
- 三、对抗训练FGSM（快速梯度符号攻击）
-
- 3.1威胁模型
- 3.2 Fast Gradient Sign Attack
- 3.3 代码实现
-
- 3.3.1 输入
- 3.3.2 受攻击的模型
- 3.3.3 FGSM 攻击
- 3.3.4 测试函数
- 3.3.5 运行攻击
- 3.4 结果
-
- 3.4.1准确率与`ε`
- 3.4.2 对抗示例样本
- 3.6 下一步怎么做
- 本文参考了深度学习译文集之PyTorch篇，在线地址、github地址。
- 本文内容来自PyTorch官网教程《Image and Video》篇
一、 torchvision实例分割教程
- 本文翻译自PyTorch官方文档《TorchVision Object Detection Finetuning Tutorial》
- 为了充分利用本教程，我们建议使用此 Colab 版本，可以直接运行本章代码。
- 本章完整代码下载
在本教程中，我们将对 Penn-Fudan 数据库中的行人检测和分割，使用预训练的 Mask R-CNN 模型进行微调。 它包含 170 个图像和 345 个行人实例，我们将用它来说明如何在torchvision中使用新功能，以便在自定义数据集上训练实例分割模型。
1.1 数据预处理
1.1.1 Dataset类定义方法
自定义数据集应继承自标准的torch.utils.data.Dataset类，并实现__len__和__getitem__。其中，主要重写的方法是__getitem__（读取数据集），它应该返回：
- image：大小为
(H, W)的 PIL 图像 - target：包含以下字段的字典
boxes：(FloatTensor[N, 4])，[x0, y0, x1, y1]格式的N个边界框的坐标labels：(Int64Tensor[N])，每个边界框的标签。0代表背景类。image_id：(Int64Tensor[1])，图篇索引。area：(Tensor[N])，boxes的面积。 在使用 COCO 方法进行评估时，可使用此值来区分小目标、中等目标 、大目标的得分。iscrowd：(UInt8Tensor[N])，iscrowd = True表示难检测的目标，在评估时会被舍去。masks：可选，格式为(UInt8Tensor[N, H, W])，表示每个物体的segmentation masks（分割掩模）keypoints：可选，(FloatTensor[N, K, 3])格式。表示一张图有N个物体， K 个关键点（格式为[x, y, visibility]）。 visibility=0 表示关键点不可见。 对于数据增强，翻转关键点取决于数据表示形式，您可能应该将references/detection/transforms.py修改为新的关键点表示（keypoint representation）。
定义完之后，我们使用pycocotools中的评估脚本来评估模型。 对于 Windows，请使用以下命令，从gautamchitnis安装pycocotools：
pip install git+https://github.com/gautamchitnis/cocoapi.git@cocodataset-master#subdirectory=PythonAPI
在Mask R-CNN 模型中，将label=0作为背景类。 如果您的数据集不包含背景类，则labels中不应包含0。 例如，假设您只有猫和狗两类，则可以定义1来表示猫，0表示狗。 （labels张量应类似于[1,2]）
此外，如果要在训练过程中使用宽高比分组（以便每个批量仅包含具有相似长宽比的图像），则建议您还实现get_height_and_width方法，该方法返回图像的高度和宽度。 如果未提供此方法，我们将通过__getitem__查询数据集的所有元素，这样也可以图像加载到内存中，但是比起定义了get_height_and_width方法，加载会更慢。
1.1.2 自定义PennFudan数据集
下载并解压缩 zip 文件之后，得到如下的文件夹结构：
PennFudanPed/
PedMasks/
FudanPed00001_mask.png
FudanPed00002_mask.png
FudanPed00003_mask.png
FudanPed00004_mask.png
...
PNGimg/
FudanPed00001.png
FudanPed00002.png
FudanPed00003.png
FudanPed00004.png
下面是一对图像和分割模板的一个示例
因此，每个图像都有一个对应的segmentation mask（分割掩模），其中每个颜色对应一个不同的实例。 下面开始给数据集定义一个torch.utils.data.Dataset类。
import os
import numpy as np
import torch
from PIL import Image
class PennFudanDataset(object):
def __init__(self, root, transforms):
self.root = root
self.transforms = transforms
# load all image files, sorting them to
# ensure that they are aligned
self.imgs = list(sorted(os.listdir(os.path.join(root, "PNGImages"))))
self.masks = list(sorted(os.listdir(os.path.join(root, "PedMasks"))))
def __getitem__(self, idx):
# load images ad masks
img_path = os.path.join(self.root, "PNGImages", self.imgs[idx])
mask_path = os.path.join(self.root, "PedMasks", self.masks[idx])
img = Image.open(img_path).convert("RGB")
# note that we haven't converted the mask to RGB,
# because each color corresponds to a different instance
# with 0 being background
mask = Image.open(mask_path)
# convert the PIL Image into a numpy array
mask = np.array(mask)
# instances are encoded as different colors
obj_ids = np.unique(mask)
# first id is the background, so remove it
obj_ids = obj_ids[1:]
# split the color-encoded mask into a set
# of binary masks
masks = mask == obj_ids[:, None, None]
# get bounding box coordinates for each mask
num_objs = len(obj_ids)
boxes = []
for i in range(num_objs):
pos = np.where(masks[i])
xmin = np.min(pos[1])
xmax = np.max(pos[1])
ymin = np.min(pos[0])
ymax = np.max(pos[0])
boxes.append([xmin, ymin, xmax, ymax])
# convert everything into a torch.Tensor
boxes = torch.as_tensor(boxes, dtype=torch.float32)
# there is only one class
labels = torch.ones((num_objs,), dtype=torch.int64)
masks = torch.as_tensor(masks, dtype=torch.uint8)
image_id = torch.tensor([idx])
area = (boxes[:, 3] - boxes[:, 1]) * (boxes[:, 2] - boxes[:, 0])
# suppose all instances are not crowd
iscrowd = torch.zeros((num_objs,), dtype=torch.int64)
target = {}
target["boxes"] = boxes
target["labels"] = labels
target["masks"] = masks
target["image_id"] = image_id
target["area"] = area
target["iscrowd"] = iscrowd
if self.transforms is not None:
img, target = self.transforms(img, target)
return img, target
def __len__(self):
return len(self.imgs)
1.2 定义模型
在本教程中，我们将使用基于 Faster R-CNN 的Mask R-CNN 模型。
Faster R-CNN原理可参考我的帖子《目标检测打卡营上：VOC/COCO数据集、评测指标&Faster R-CNN等两阶段检测算法》
-
Faster R-CNN：两阶段目标检测模型， 可以检测目标框及对应的物体类别。
-
Mask R-CNN ：在 Faster R-CNN 中增加了一个分支，用于预测每个实例的分割掩码。
我们可以从torchvision modelzoo选择需要的模型，但是有两种情况，需要修改模型：
- 当我们想从预先训练的模型开始，然后微调最后一层时。
- 当我们想要用另一个 backbone网络替换模型的 backbone时（例如，为了更快的预测）。
1.2.1 预训练模型的微调
加载在coco数据集上预训练的目标检测模型，在自己的数据集上进行微调：
import torchvision
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor
# load a model pre-trained pre-trained on COCO
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)
# replace the classifier with a new one, that has
# num_classes which is user-defined
num_classes = 2 # 1 class (person) + background
# get number of input features for the classifier
in_features = model.roi_heads.box_predictor.cls_score.in_features
# replace the pre-trained head with a new one
model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)
1.2.2 修改模型的backbone
关于
AnchorGenerator生成器，可以参考我的帖子《Faster R-CNN源码解析1（Pytorch版）》4.1章节。ROI Pooling层参考上面说的FasterRCNN原理。
import torchvision
from torchvision.models.detection import FasterRCNN
from torchvision.models.detection.rpn import AnchorGenerator
# 加载预训练的backbone用于分类，且只返回特征图
backbone = torchvision.models.mobilenet_v2(pretrained=True).features
# FasterRCNN模型需要知道backbone的输出的channel数
# 对于mobilenet_v2, 输出channel= 1280
backbone.out_channels = 1280
"""
1. FasterRCNN中，RPN模块用于生成Anchors。Anchor模板有5个不同size和3种不同宽高比（aspect ratios）。
2. AnchorGenerator类用于生成Anchors，传入的参数是tuple类型。虽然mobilenet_v2只输出一种特征图，
但是FPN类backbone，会输出几种不同尺度的特征图。每个特征图上负责生成不同size的Anchors模板
3. 所以AnchorGenerator的传入Anchors参数统一为元组类型
4. 比如在resnet50_fpn作为backbone的FasterRCNN中，会定义
anchor_sizes = ((32,), (64,), (128,), (256,), (512,))
aspect_ratios = ((0.5, 1.0, 2.0),) * len(anchor_sizes)# 将元组(0.5, 1.0, 2.0)重复5次
rpn_anchor_generator = AnchorsGenerator(anchor_sizes, aspect_ratios)
"""
# backbone为mobilenet_v2时，简单理解就是一个特征图上，每个点生成15种不同尺寸的Anchors。
# backbone为FPN时，简单理解就是在5个特征图上，每个点生成3种不同aspect_ratios的Anchors。
anchor_generator = AnchorGenerator(sizes=((32, 64, 128, 256, 512),),
aspect_ratios=((0.5, 1.0, 2.0),))
"""
1. 不同尺度的预测特征层，输出的feature map大小不一样，无法输入后面的全连接层进行预测
ROI Pooling层 就是将大小不同的feature map 池化成大小相同的feature map，方便后续处理
2. 如果backbone 返回的是一个Tensor, featmap_names应该是[0]
3. backbone更多时候返回的是OrderedDict[Tensor]（表示输出多尺度特征图）
我们需要使用featmap_names来选择使用哪个feature maps
4. output_size=7表示RoIAlign层（对roi_pooler层的改进）最后输出7*7大小的特征图
sampling_ratio表示在每个7*7区域内采样两个点，利用双线性插值计算每个点的输出。
两个点的均值作为区域的输出，所有有区域的输出为RoIAlign层的feature map输出
"""
roi_pooler = torchvision.ops.MultiScaleRoIAlign(featmap_names=[0],
output_size=7,
sampling_ratio=2)
# put the pieces together inside a FasterRCNN model
model = FasterRCNN(backbone,
num_classes=2,
rpn_anchor_generator=anchor_generator,
box_roi_pool=roi_pooler)
按这样看，修改模型的backbone时还需要定义backbone输出channel，anchor生成器，roi_pooler层和最后的model结构。
1.2.3 定义实例分割模型
- 本文中，由于我们的数据集非常小，所以在预训练模型基础上进行微调效果更好，即采用第一种方法。
- 由于我们还想计算实例分割掩模，因此我们将使用 Mask R-CNN：
- 参考上图给出
FastRCNNPredictor代码：
FastRCNN中，
roi_heads定义了box_roi_pool,box_head,box_predictor三个部分和一些其它参数。roi_heads = RoIHeads( box_roi_pool, box_head, box_predictor,*kwargs）
class FastRCNNPredictor(nn.Module):
"""
Standard classification + bounding box regression layers
for Fast R-CNN.
Arguments:
in_channels (int): number of input channels
num_classes (int): number of output classes (including background)
"""
def __init__(self, in_channels, num_classes):
super(FastRCNNPredictor, self).__init__()
self.cls_score = nn.Linear(in_channels, num_classes)
self.bbox_pred = nn.Linear(in_channels, num_classes * 4)
def forward(self, x):
if x.dim() == 4:
assert list(x.shape[2:]) == [1, 1]
x = x.flatten(start_dim=1)
scores = self.cls_score(x)
bbox_deltas = self.bbox_pred(x)
return scores, bbox_deltas
import torchvision
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor
from torchvision.models.detection.mask_rcnn import MaskRCNNPredictor
def get_model_instance_segmentation(num_classes):
# 加载在COCO数据集上预训练好的实例分割模型
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)
# 得到预训练模型的FastRCNNPredictor层输入通道数
in_features = model.roi_heads.box_predictor.cls_score.in_features
# 重写一个新的FastRCNNPredictor，主要是输出类别数变了
model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)
# 得到mask classifier的输入通道数
in_features_mask = model.roi_heads.mask_predictor.conv5_mask.in_channels
hidden_layer = 256
# 重写一个新的mask predictor
model.roi_heads.mask_predictor = MaskRCNNPredictor(in_features_mask,
hidden_layer,
num_classes)
return model
1.3 合并所有内容
在references/detection/中，我们提供了许多帮助程序功能来简化训练和评估检测模型。 在这里，我们将使用references/detection/engine.py，references/detection/utils.py和references/detection/transforms.py。 只需将它们复制到您的文件夹中，然后在此处使用它们即可。
下面定义数据增强和转换函数（data augmentation / transformation）：
import transforms as T
# 训练时随机水平翻转图像
def get_transform(train):
transforms = []
transforms.append(T.ToTensor())
if train:
transforms.append(T.RandomHorizontalFlip(0.5))
return T.Compose(transforms)
1.4 开始训练
- 在遍历数据集之前，可以测试前向传播方法（可选），最好先查看模型在训练过程中的期望值，以及在样本数据上的推理时间。
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)
dataset = PennFudanDataset('PennFudanPed', get_transform(train=True))
data_loader = torch.utils.data.DataLoader(
dataset, batch_size=2, shuffle=True, num_workers=4,
collate_fn=utils.collate_fn)
# 训练
images,targets = next(iter(data_loader))
images = list(image for image in images)
targets = [{k: v for k, v in t.items()} for t in targets]
output = model(images,targets) # 返回losses和detections
# 推理
model.eval()
x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)]
predictions = model(x) # 返回预测结果
- 编写
main函数进行训练和验证：
from engine import train_one_epoch, evaluate
import utils
def main():
# train on the GPU or on the CPU, if a GPU is not available
device = torch.device('cuda') if torch.cuda.is_available() else torch.device('cpu')
# our dataset has two classes only - background and person
num_classes = 2
# use our dataset and defined transformations
dataset = PennFudanDataset('PennFudanPed', get_transform(train=True))
dataset_test = PennFudanDataset('PennFudanPed', get_transform(train=False))
# split the dataset in train and test set
indices = torch.randperm(len(dataset)).tolist()
dataset = torch.utils.data.Subset(dataset, indices[:-50])
dataset_test = torch.utils.data.Subset(dataset_test, indices[-50:])
# define training and validation data loaders
data_loader = torch.utils.data.DataLoader(
dataset, batch_size=2, shuffle=True, num_workers=4,
collate_fn=utils.collate_fn)
data_loader_test = torch.utils.data.DataLoader(
dataset_test, batch_size=1, shuffle=False, num_workers=4,
collate_fn=utils.collate_fn)
# 加载前面定义的模型
model = get_model_instance_segmentation(num_classes)
# move model to the right device
model.to(device)
# 定义优化器和学习率调度器
params = [p for p in model.parameters() if p.requires_grad]
optimizer = torch.optim.SGD(params, lr=0.005,
momentum=0.9, weight_decay=0.0005)
# and a learning rate scheduler
lr_scheduler = torch.optim.lr_scheduler.StepLR(optimizer,
step_size=3,
gamma=0.1)
# 训练10个epoch
num_epochs = 10
for epoch in range(num_epochs):
# 每个epoch中，每隔10个steps打印一次结果
train_one_epoch(model, optimizer, data_loader, device, epoch, print_freq=10)
# 更新学习率
lr_scheduler.step()
# 验证集评估
evaluate(model, data_loader_test, device=device)
print("That's it!")
epoch=0的输出：
Epoch: [0] [ 0/60] eta: 0:01:18 lr: 0.000090 loss: 2.5213 (2.5213) loss_classifier: 0.8025 (0.8025) loss_box_reg: 0.2634 (0.2634) loss_mask: 1.4265 (1.4265) loss_objectness: 0.0190 (0.0190) loss_rpn_box_reg: 0.0099 (0.0099) time: 1.3121 data: 0.3024 max mem: 3485
Epoch: [0] [10/60] eta: 0:00:20 lr: 0.000936 loss: 1.3007 (1.5313) loss_classifier: 0.3979 (0.4719) loss_box_reg: 0.2454 (0.2272) loss_mask: 0.6089 (0.7953) loss_objectness: 0.0197 (0.0228) loss_rpn_box_reg: 0.0121 (0.0141) time: 0.4198 data: 0.0298 max mem: 5081
Epoch: [0] [20/60] eta: 0:00:15 lr: 0.001783 loss: 0.7567 (1.1056) loss_classifier: 0.2221 (0.3319) loss_box_reg: 0.2002 (0.2106) loss_mask: 0.2904 (0.5332) loss_objectness: 0.0146 (0.0176) loss_rpn_box_reg: 0.0094 (0.0123) time: 0.3293 data: 0.0035 max mem: 5081
Epoch: [0] [30/60] eta: 0:00:11 lr: 0.002629 loss: 0.4705 (0.8935) loss_classifier: 0.0991 (0.2517) loss_box_reg: 0.1578 (0.1957) loss_mask: 0.1970 (0.4204) loss_objectness: 0.0061 (0.0140) loss_rpn_box_reg: 0.0075 (0.0118) time: 0.3403 data: 0.0044 max mem: 5081
Epoch: [0] [40/60] eta: 0:00:07 lr: 0.003476 loss: 0.3901 (0.7568) loss_classifier: 0.0648 (0.2022) loss_box_reg: 0.1207 (0.1736) loss_mask: 0.1705 (0.3585) loss_objectness: 0.0018 (0.0113) loss_rpn_box_reg: 0.0075 (0.0112) time: 0.3407 data: 0.0044 max mem: 5081
Epoch: [0] [50/60] eta: 0:00:03 lr: 0.004323 loss: 0.3237 (0.6703) loss_classifier: 0.0474 (0.1731) loss_box_reg: 0.1109 (0.1561) loss_mask: 0.1658 (0.3201) loss_objectness: 0.0015 (0.0093) loss_rpn_box_reg: 0.0093 (0.0116) time: 0.3379 data: 0.0043 max mem: 5081
Epoch: [0] [59/60] eta: 0:00:00 lr: 0.005000 loss: 0.2540 (0.6082) loss_classifier: 0.0309 (0.1526) loss_box_reg: 0.0463 (0.1405) loss_mask: 0.1568 (0.2945) loss_objectness: 0.0012 (0.0083) loss_rpn_box_reg: 0.0093 (0.0123) time: 0.3489 data: 0.0042 max mem: 5081
Epoch: [0] Total time: 0:00:21 (0.3570 s / it)
creating index...
index created!
Test: [ 0/50] eta: 0:00:19 model_time: 0.2152 (0.2152) evaluator_time: 0.0133 (0.0133) time: 0.4000 data: 0.1701 max mem: 5081
Test: [49/50] eta: 0:00:00 model_time: 0.0628 (0.0687) evaluator_time: 0.0039 (0.0064) time: 0.0735 data: 0.0022 max mem: 5081
Test: Total time: 0:00:04 (0.0828 s / it)
Averaged stats: model_time: 0.0628 (0.0687) evaluator_time: 0.0039 (0.0064)
Accumulating evaluation results...
DONE (t=0.01s).
Accumulating evaluation results...
DONE (t=0.01s).
IoU metric: bbox
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.606
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.984
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.780
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.313
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.582
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.612
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.270
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.672
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.672
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.650
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.755
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.664
IoU metric: segm
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.704
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.979
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.871
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.325
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.488
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.727
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.316
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.748
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.749
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.650
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.673
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.758
经过一轮训练， COCO-style mAP为60.6， mask mAP为70.4。经过 10 轮训练，我得到了以下指标：
IoU metric: bbox
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.799
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.969
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.935
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.349
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.592
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.831
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.324
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.844
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.844
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.400
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.777
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.870
IoU metric: segm
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.761
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.969
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.919
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.341
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.464
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.788
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.303
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.799
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.799
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.400
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.769
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.818
选择一张图片进行看看预测结果：
经过训练的模型会在此图片中预测 9 个人物实例，让我们看看其中的几个：
1.5 总结
在本教程中，您学习了如何在自定义数据集上进行实例分割。
- 编写
torch.utils.data.Dataset类，返回图像、真实框、分割掩模 - 使用在 COCO train2017 上预先训练的 Mask R-CNN 模型，进行迁移学习。
- 更完整的示例（包括多机/多 GPU 训练），可参考
torchvision上的references/detection/train.py。
Built with Sphinx using a theme provided by Read the Docs.
二、迁移学习教程（ConvNet图片分类）
参考官网教程《Transfer Learning for Computer Vision Tutorial》、深度学习译文集之PyTorch篇《计算机视觉的迁移学习教程》
在本教程中，您将学习如何使用迁移学习，训练卷积神经网络进行图像分类。 您可以在 cs231n 笔记中阅读有关迁移学习的更多信息。
实际上，很少有人从头开始训练整个卷积网络（使用随机初始化），因为拥有足够大小的数据集相对很少。 相反，通常在非常大的数据集上对 ConvNet 进行预训练（例如 ImageNet，其中包含 120 万个具有 1000 个类别的图像），然后将 ConvNet 用作初始化，或固定特征提取器以完成感兴趣的任务。
迁移学习有两种方式：
- 预训练模型的微调：我们使用经过预训练的网络，来初始化网络（代替随机初始化），例如在
ImageNet 1000数据集上进行训练的网络。 其余的训练照常进行。 - ConvNet用作固定的特征提取器：冻结除最终全连接层之外的所有网络的权重。 最后一个全连接层将替换为具有随机权重的新层，并且仅训练该层。
# License: BSD
# Author: Sasank Chilamkurthy
from __future__ import print_function, division
import torch
import torch.nn as nn
import torch.optim as optim
from torch.optim import lr_scheduler
import numpy as np
import torchvision
from torchvision import datasets, models, transforms
import matplotlib.pyplot as plt
import time
import os
import copy
plt.ion() # interactive mode
2.1 数据预处理
2.1.1 加载数据集
使用
torchvision和torch.utils.data包来加载数据。
我们今天要解决的问题是训练一个模型来对蚂蚁和蜜蜂进行分类。 每个类别各有约120 张训练图像，75张验证图像。如果从头开始训练的话，这个数据集太小了。 但是使用迁移学习，效果会不错。
该数据集是 ImageNet 的很小一部分。从这里下载数据并将其解压缩到当前目录。
# 训练集使用数据增强和normalization，验证集只使用normalization
from torch.utils.data import DataLoader
data_transforms = {
'train': transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
'val': transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
}
data_dir = 'data/hymenoptera_data'
image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x),data_transforms[x])
for x in ['train', 'val']}
dataloaders = {x: DataLoader(image_datasets[x], batch_size=4,shuffle=True, num_workers=4)
for x in ['train', 'val']}
dataset_sizes = {x: len(image_datasets[x]) for x in ['train', 'val']}
class_names = image_datasets['train'].classes
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
2.1.2 查看图像
让我们可视化一些训练图像，以了解数据增强。
def imshow(inp, title=None):
"""Imshow for Tensor."""
inp = inp.numpy().transpose((1, 2, 0))
mean = np.array([0.485, 0.456, 0.406])
std = np.array([0.229, 0.224, 0.225])
inp = std * inp + mean
inp = np.clip(inp, 0, 1)
plt.imshow(inp)
if title is not None:
plt.title(title)
plt.pause(0.001) # 暂停一下，以便plots更新图像
# 加载一个batch的数据
inputs, classes = next(iter(dataloaders['train']))
# Make a grid from batch
out = torchvision.utils.make_grid(inputs)
imshow(out, title=[class_names[x] for x in classes])
2.2 训练模型
2.2.1 定义训练函数
- 使用torch.optim.lr_scheduler中定义的scheduler调节学习率
- 训练完后，保存并加载最优模型
def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
since = time.time() # 获取当前系统时间
best_model_wts = copy.deepcopy(model.state_dict())
best_acc = 0.0
for epoch in range(num_epochs):
print('Epoch {}/{}'.format(epoch, num_epochs - 1))
print('-' * 10)
# 每个epoch都有训练阶段和验证阶段
for phase in ['train', 'val']:
if phase == 'train':
model.train() # Set model to training mode
else:
model.eval() # Set model to evaluate mode
running_loss = 0.0
running_corrects = 0
# 遍历整个数据集
for inputs, labels in dataloaders[phase]:
inputs,labels = inputs.to(device),labels.to(device)
# 梯度清零
optimizer.zero_grad()
# 前向传播，仅在训练时计算梯度
with torch.set_grad_enabled(phase == 'train'):
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
loss = criterion(outputs, labels)
# 只在训练阶段反向传播并更新optimizer
if phase == 'train':
loss.backward()
optimizer.step()
# statistics
running_loss += loss.item() * inputs.size(0)
running_corrects += torch.sum(preds == labels.data)
if phase == 'train':
scheduler.step()
epoch_loss = running_loss / dataset_sizes[phase]
epoch_acc = running_corrects.double() / dataset_sizes[phase]
print('{} Loss: {:.4f} Acc: {:.4f}'.format(
phase, epoch_loss, epoch_acc))
# 保存最优模型参数
if phase == 'val' and epoch_acc > best_acc:
best_acc = epoch_acc
best_model_wts = copy.deepcopy(model.state_dict())
print()
time_elapsed = time.time() - since
print('Training complete in {:.0f}m {:.0f}s'.format(
time_elapsed // 60, time_elapsed % 60))
print('Best val Acc: {:4f}'.format(best_acc))
# 训练完后，加载最优模型
model.load_state_dict(best_model_wts)
return model
2.2.2 可视化模型预测
定义visualize_model函数，显示预测结果。
torch中，train,eval实际对是
model.training的控制。模型在默认情况下是train模型，model.training=True。model.eval()时，model.training=False。
def visualize_model(model, num_images=6):
was_training = model.training
model.eval()
images_so_far = 0
fig = plt.figure()
with torch.no_grad():
for i, (inputs, labels) in enumerate(dataloaders['val']):
inputs = inputs.to(device)
labels = labels.to(device)
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
for j in range(inputs.size()[0]):
images_so_far += 1
ax = plt.subplot(num_img//2, 2, images_so_far)
ax.axis('off')
ax.set_title('predicted: {}'.format(class_names[preds[j]]))
imshow(inputs.cpu().data[j])
if images_so_far == num_images:
model.train(mode=was_training)
return
model.train(mode=was_training)
2.3 ConvNet 微调
2.3.1 加载预训练模型
由于数据集有两个类别，所以在加载预训练模型后（ImageNet有1000类），需要将分类任务的类别数改为2。
model = models.resnet18(pretrained=True) # 也就是torchvision.models.resnet18
num_ftrs = model.fc.in_features # 获取预训练模型的全连接层的输入channel数
model.fc = nn.Linear(num_ftrs, 2) # 将全连接层输出channel设为2，也就是将模型设为二分类模型。
model = model.to(device)
criterion = nn.CrossEntropyLoss()
# Observe that all parameters are being optimized
optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)
# 每7个epoch将LR衰减到原来的0.1倍
lr_scheduler = lr_scheduler.StepLR(optimizer, step_size=7, gamma=0.1)
model # 打印模型
2.3.2 训练和评估
在 CPU 上大约需要 15-25 分钟。 但是在 GPU 上，此过程不到一分钟。
model = train_model(model, criterion, optimizer, lr_scheduler,num_epochs=25)
Epoch 0/24
----------
train Loss: 0.6303 Acc: 0.6926
val Loss: 0.1492 Acc: 0.9346
Epoch 1/24
----------
train Loss: 0.5511 Acc: 0.7869
val Loss: 0.2577 Acc: 0.8889
Epoch 2/24
----------
train Loss: 0.4885 Acc: 0.8115
val Loss: 0.3390 Acc: 0.8758
Epoch 3/24
----------
train Loss: 0.5158 Acc: 0.7992
val Loss: 0.5070 Acc: 0.8366
Epoch 4/24
----------
train Loss: 0.5878 Acc: 0.7992
val Loss: 0.2706 Acc: 0.8758
Epoch 5/24
----------
train Loss: 0.4396 Acc: 0.8279
val Loss: 0.2870 Acc: 0.8954
Epoch 6/24
----------
train Loss: 0.4612 Acc: 0.8238
val Loss: 0.2809 Acc: 0.9150
Epoch 7/24
----------
train Loss: 0.4387 Acc: 0.8402
val Loss: 0.1853 Acc: 0.9281
Epoch 8/24
----------
train Loss: 0.2998 Acc: 0.8648
val Loss: 0.1926 Acc: 0.9085
Epoch 9/24
----------
train Loss: 0.3383 Acc: 0.9016
val Loss: 0.1762 Acc: 0.9281
Epoch 10/24
----------
train Loss: 0.2969 Acc: 0.8730
val Loss: 0.1872 Acc: 0.8954
Epoch 11/24
----------
train Loss: 0.3117 Acc: 0.8811
val Loss: 0.1807 Acc: 0.9150
Epoch 12/24
----------
train Loss: 0.3005 Acc: 0.8770
val Loss: 0.1930 Acc: 0.9085
Epoch 13/24
----------
train Loss: 0.3129 Acc: 0.8689
val Loss: 0.2184 Acc: 0.9150
Epoch 14/24
----------
train Loss: 0.3776 Acc: 0.8607
val Loss: 0.1869 Acc: 0.9216
Epoch 15/24
----------
train Loss: 0.2245 Acc: 0.9016
val Loss: 0.1742 Acc: 0.9346
Epoch 16/24
----------
train Loss: 0.3105 Acc: 0.8607
val Loss: 0.2056 Acc: 0.9216
Epoch 17/24
----------
train Loss: 0.2729 Acc: 0.8893
val Loss: 0.1722 Acc: 0.9085
Epoch 18/24
----------
train Loss: 0.3210 Acc: 0.8730
val Loss: 0.1977 Acc: 0.9281
Epoch 19/24
----------
train Loss: 0.3231 Acc: 0.8566
val Loss: 0.1811 Acc: 0.9216
Epoch 20/24
----------
train Loss: 0.3206 Acc: 0.8648
val Loss: 0.2033 Acc: 0.9150
Epoch 21/24
----------
train Loss: 0.2917 Acc: 0.8648
val Loss: 0.1694 Acc: 0.9150
Epoch 22/24
----------
train Loss: 0.2412 Acc: 0.8852
val Loss: 0.1757 Acc: 0.9216
Epoch 23/24
----------
train Loss: 0.2508 Acc: 0.8975
val Loss: 0.1662 Acc: 0.9281
Epoch 24/24
----------
train Loss: 0.3283 Acc: 0.8566
val Loss: 0.1761 Acc: 0.9281
Training complete in 1m 10s
Best val Acc: 0.934641
visualize_model(model_ft)
2.4 ConvNet 作为特征提取器
上面说过，ConvNet 作为特征提取器时，需要冻结除最后一层之外的所有网络。 方法是设置requires_grad == False冻结参数，以便在backward()反向传播中不计算梯度。
关于梯度计算，您可以在《Autograd mechanics文档》中阅读有关此内容的更多信息。
model_conv = torchvision.models.resnet18(pretrained=True)
for param in model_conv.parameters():
param.requires_grad = False
# 默认情况下，新构建的module参数为requires_grad=True
num_ftrs = model_conv.fc.in_features
model_conv.fc = nn.Linear(num_ftrs, 2)
model_conv = model_conv.to(device)
criterion = nn.CrossEntropyLoss()
# 只有最后一层的参数会被optimizer优化
optimizer_conv = optim.SGD(model_conv.fc.parameters(), lr=0.001, momentum=0.9)
# 每7个epoch将LR衰减到原来的0.1倍
lr_scheduler = lr_scheduler.StepLR(optimizer_conv, step_size=7, gamma=0.1)
冻结某几层参考参考《pytorch冻结模型中某几层的参数》
训练和评估
与以前的方案相比，在 CPU 上将花费大约一半的时间。 这是可以预期的，因为不需要为大多数网络计算梯度。 但是，确实需要计算正向。
model_conv = train_model(model_conv, criterion, optimizer_conv,
lr_scheduler, num_epochs=25)
Epoch 0/24
----------
train Loss: 0.7258 Acc: 0.6148
val Loss: 0.2690 Acc: 0.9020
Epoch 1/24
----------
train Loss: 0.5342 Acc: 0.7500
val Loss: 0.1905 Acc: 0.9412
Epoch 2/24
----------
train Loss: 0.4262 Acc: 0.8320
val Loss: 0.1903 Acc: 0.9412
Epoch 3/24
----------
train Loss: 0.4103 Acc: 0.8197
val Loss: 0.2658 Acc: 0.8954
Epoch 4/24
----------
train Loss: 0.3938 Acc: 0.8115
val Loss: 0.2871 Acc: 0.8954
Epoch 5/24
----------
train Loss: 0.4623 Acc: 0.8361
val Loss: 0.1651 Acc: 0.9346
Epoch 6/24
----------
train Loss: 0.5348 Acc: 0.7869
val Loss: 0.1944 Acc: 0.9477
Epoch 7/24
----------
train Loss: 0.3827 Acc: 0.8402
val Loss: 0.1846 Acc: 0.9412
Epoch 8/24
----------
train Loss: 0.3655 Acc: 0.8443
val Loss: 0.1873 Acc: 0.9412
Epoch 9/24
----------
train Loss: 0.3275 Acc: 0.8525
val Loss: 0.2091 Acc: 0.9412
Epoch 10/24
----------
train Loss: 0.3375 Acc: 0.8320
val Loss: 0.1798 Acc: 0.9412
Epoch 11/24
----------
train Loss: 0.3077 Acc: 0.8648
val Loss: 0.1942 Acc: 0.9346
Epoch 12/24
----------
train Loss: 0.4336 Acc: 0.7787
val Loss: 0.1934 Acc: 0.9346
Epoch 13/24
----------
train Loss: 0.3149 Acc: 0.8566
val Loss: 0.2062 Acc: 0.9281
Epoch 14/24
----------
train Loss: 0.3617 Acc: 0.8320
val Loss: 0.1761 Acc: 0.9412
Epoch 15/24
----------
train Loss: 0.3066 Acc: 0.8361
val Loss: 0.1799 Acc: 0.9281
Epoch 16/24
----------
train Loss: 0.3952 Acc: 0.8443
val Loss: 0.1666 Acc: 0.9346
Epoch 17/24
----------
train Loss: 0.3552 Acc: 0.8443
val Loss: 0.1928 Acc: 0.9412
Epoch 18/24
----------
train Loss: 0.3106 Acc: 0.8648
val Loss: 0.1964 Acc: 0.9346
Epoch 19/24
----------
train Loss: 0.3675 Acc: 0.8566
val Loss: 0.1813 Acc: 0.9346
Epoch 20/24
----------
train Loss: 0.3565 Acc: 0.8320
val Loss: 0.1758 Acc: 0.9346
Epoch 21/24
----------
train Loss: 0.2922 Acc: 0.8566
val Loss: 0.2295 Acc: 0.9216
Epoch 22/24
----------
train Loss: 0.3283 Acc: 0.8402
val Loss: 0.2267 Acc: 0.9281
Epoch 23/24
----------
train Loss: 0.2875 Acc: 0.8770
val Loss: 0.1878 Acc: 0.9346
Epoch 24/24
----------
train Loss: 0.3172 Acc: 0.8689
val Loss: 0.1849 Acc: 0.9412
Training complete in 0m 34s
Best val Acc: 0.947712
visualize_model(model_conv)
plt.ioff()
plt.show()
2.5 进阶知识、源码
如果您想了解有关迁移学习的更多信息，请查看官网教程Model Optimization部分的计算机视觉教程的量化迁移学习。
脚本的总运行时间：（1 分钟 56.157 秒）
下载 Python 源码：transfer_learning_tutorial.py
下载 Jupyter 笔记本：transfer_learning_tutorial.ipynb
2.6 设置分层学习率
参考《Pytorch：找到对应的层，并在不同层设置不同的学习率》
《CLUENER 细粒度命名实体识别，附完整代码》5.2 定义优化器
三、对抗训练FGSM（快速梯度符号攻击）
参考：
- 官网教程《Adversarial Example Generation》、深度学习译文集之PyTorch篇《对抗示例生成》
- FGSM原理参考《图像对抗算法-攻击篇（FGSM）》、论文解读《EXPLAINING AND HARNESSING ADVERSARIAL EXAMPLES 论文笔记》
作者： Nathan Inkawhich
本教程将提高您对 ML 模型的安全漏洞的认识，并深入了解对抗性机器学习的热门话题。 您可能会惊讶地发现，在图像上添加无法察觉的扰动会导致完全不同的模型表现。 我们将通过图像分类器上的示例来探讨该主题。 具体而言，我们将使用最流行的一种攻击方法，即（FGSM）来欺骗 MNIST 分类器。
3.1威胁模型
就上下文而言，有多种类型的对抗性攻击，每个攻击都有不同的目标和对攻击者知识的假设。 但是，总的来说，总体目标是向输入数据添加最少的扰动，以引起所需的错误分类。
攻击者的知识有几种假设，其中两种是：白盒和黑盒。
- 白盒攻击：假设攻击者对模型有充分的了解和访问，包括架构，输入，输出和权重。
- 黑盒攻击：假定攻击者只能访问模型的输入和输出，并且对底层架构或权重一无所知。
目标也有几种类型，包括错误分类和源/目标错误分类。
- 错误分类：对手只希望输出分类错误，而不在乎新分类是什么。
- 源/目标错误分类：对手想要更改最初属于特定源类别的图像，以便将其分类为特定目标类别。
在这种情况下，FGSM 攻击是白盒攻击，目标是错误分类。 （白盒攻击相对于黑盒攻击简单一些，pytorch给出的样例也是基于白盒攻击）
3.2 Fast Gradient Sign Attack
FGSM是由GollowFellow于2015年提出的一种经典的白盒攻击算法。思路清晰易懂，效果直观。它旨在利用神经网络学习梯度的方式来攻击神经网络。攻击会基于梯度来调整输入数据，以使损失最大化， 而不是通过梯度来调整权重来使损失最小化。
具体说就是：
- 通过修改输入图像的像素值（添加噪声），将损失值回传到输入图像并计算梯度
ᐁ[x] J(θ, x, y)。其中J()是损失函数，x和y表示输入图像和真实标签，θ表示网络参数。 - 通过sign()函数计算梯度的方向
signᐁ[x] J(θ, x, y)。- 神经网络都是通过梯度下降来更新参数，参数更新时，都是将参数减去计算得到的梯度，这样就能使得损失值越来越小，从而模型预测对的概率越来越大。
- 既然无目标攻击是希望模型将输入图像错分类成正确类别以外的其他任何一个类别都算攻击成功，那么只需要损失值越来越大就可以达到这个目标。
- 因此我只需要在输入图像中，加上计算得到的梯度方向，这样损失就会越来越大。
sign()函数是用来求数值符号的函数，对于大于0的输入，输出为1， 对于小于0的输入，输出为-1，对于等于0的输入，输出为0。
之所以采用梯度方向而不是采用梯度值是为了控制扰动的L∞距离，这是FGSM算法的评价指标。
- 使用权重参数e，控制攻击噪声的幅值.最终攻击噪声 η = ϵ sign ( ∇ x J ( θ , x , y ) ) \boldsymbol{\eta}=\epsilon \operatorname{sign}\left(\nabla_{\boldsymbol{x}} J(\boldsymbol{\theta}, \boldsymbol{x}, y)\right) η=ϵsign(∇xJ(θ,x,y))。参数值越大，攻击强度也越大，肉眼也更容易观察到攻击噪声
FGSM核心思想就是Figure1所示的内容。Figure1中左边图是常规的图像，一般的分类模型都会将其分类为熊猫（panda），但是通过添加由网络梯度生成的攻击噪声后，得到右边的攻击图像，虽然看起来还是熊猫，但是模型却将其分类为长臂猿（gibbon）。
下面进入实现过程。我们将讨论本教程的输入参数，定义受到攻击的模型，然后编写攻击代码并运行一些测试。
from __future__ import print_function
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import numpy as np
import matplotlib.pyplot as plt
3.3 代码实现
3.3.1 输入
本教程只有三个输入，定义如下：
epsilons：ε值列表。 列表中 0表示原始测试集上的模型表现。直观上，ε越大，扰动越明显，攻击越有效。 由于输入数据的范围为[0,1]，因此ε值不得超过 1。pretrained_model-使用pytorch/examples/mnist训练的 MNIST 模型的路径。 为简单起见，请在此处下载预训练模型。use_cuda-布尔标志，是否使用 CUDA。
请注意，具有 CUDA 的 GPU 在本教程中并不重要，因为 CPU 不会花费很多时间。
epsilons = [0, .05, .1, .15, .2, .25, .3]
pretrained_model = "data/lenet_mnist_model.pth"
use_cuda=True
3.3.2 受攻击的模型
本部分的目的是定义模型和数据加载器，然后初始化模型并加载预训练的权重。
# LeNet Model definition
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
self.conv2_drop = nn.Dropout2d()
self.fc1 = nn.Linear(320, 50)
self.fc2 = nn.Linear(50, 10)
def forward(self, x):
x = F.relu(F.max_pool2d(self.conv1(x), 2))
x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
x = x.view(-1, 320)
x = F.relu(self.fc1(x))
x = F.dropout(x, training=self.training)
x = self.fc2(x)
return F.log_softmax(x, dim=1)
# MNIST Test dataset and dataloader declaration
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('../data', train=False, download=True, transform=transforms.Compose([
transforms.ToTensor(),
])),
batch_size=16, shuffle=True)
# Define what device we are using
print("CUDA Available: ",torch.cuda.is_available())
device = torch.device("cuda" if (use_cuda and torch.cuda.is_available()) else "cpu")
# Initialize the network
model = Net().to(device)
# Load the pretrained model
model.load_state_dict(torch.load(pretrained_model, map_location='cpu'))
# Set the model in evaluation mode. In this case this is for the Dropout layers
model.eval()
3.3.3 FGSM 攻击
现在，我们可以创建一个函数，通过干扰原始输入来创建对抗示例。函数 fgsm_attack函数接受三个输入：
image：原始图像（x）epsilon：像素级扰动量εdata_grad：输入图像损失的梯度（ᐁ[x] J(θ, x, y)）。
函数然后创建扰动图像为:
p e r t u r b e d _ i m a g e = i m a g e + e p s i l o n ∗ s i g n ( d a t a _ g r a d ) = x + ϵ ∗ s i g n ( ∇ x J ( θ , x , y ) ) perturbed\_image = image + epsilon*sign(data\_grad) = x + \epsilon * sign(\nabla_{x} J(\mathbf{\theta}, \mathbf{x}, y)) perturbed_image=image+epsilon∗sign(data_grad)=x+ϵ∗sign(∇xJ(θ,x,y))
最后，为了维持数据的原始范围，将被扰动的图像裁剪到范围[0,1]。
# FGSM attack code
def fgsm_attack(image, epsilon, data_grad):
# 得到梯度符号
sign_data_grad = data_grad.sign()
# 通过调整输入图像的每个像素值来创建扰动图像
perturbed_image = image + epsilon*sign_data_grad
# 剪裁至范围[0,1]
perturbed_image = torch.clamp(perturbed_image, 0, 1)
# 返回扰动图像
return perturbed_image
3.3.4 测试函数
本教程的主要结果来自test函数。 每次调用此测试函数，都会在 MNIST 测试集上执行完整的测试步骤，并报告最终精度。
test函数还需要epsilon输入。 这是因为test函数报告受ε攻击的模型的准确率。
更具体地说，对于测试集中的每个样本，函数都会计算输入数据data_grad的损失梯度，并使用fgsm_attack创建一个扰动图像perturbed_data，然后检查受干扰的示例是否具有对抗性。
除了测试模型的准确率外，该函数还保存并返回了一些成功的对抗示例，以供后续的可视化。
def test( model, device, test_loader, epsilon ):
# Accuracy counter
correct = 0
adv_examples = []
for data, target in test_loader:
data, target = data.to(device), target.to(device)
# Set requires_grad attribute of tensor. Important for Attack
data.requires_grad = True
output = model(data)
init_pred = output.max(1, keepdim=True)[1] # get the index of the max log-probability
# 如果最初的预测是错误的，不需要攻击
if init_pred.item() != target.item():
continue
loss = F.nll_loss(output, target)
model.zero_grad() # 梯度清零
loss.backward() # 梯度回传
# Collect datagrad
data_grad = data.grad.data
# FGSM Attack，根据梯度添加扰动
perturbed_data = fgsm_attack(data, epsilon, data_grad)
# 再次分类扰动图像
output = model(perturbed_data)
# 检查攻击是否成功
final_pred = output.max(1, keepdim=True)[1] # get the index of the max log-probability
if final_pred.item() == target.item():
correct += 1
# Special case for saving 0 epsilon examples
if (epsilon == 0) and (len(adv_examples) < 5):
adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )
else:
# 保存一些adv示例，以便后面可视化
if len(adv_examples) < 5:
adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )
# 计算此ε下的的最终acc
final_acc = correct/float(len(test_loader))
print("Epsilon: {}\tTest Accuracy = {} / {} = {}".format(epsilon, correct, len(test_loader), final_acc))
# 返回accuracy和对抗示例
return final_acc, adv_examples
3.3.5 运行攻击
最后，运行测试步骤，遍历epsilon列表中的每个ε值。得到最终精度，并绘制一些成功的对抗示例。 注意ε = 0表示原始测试准确率，模型没有受到攻击。
accuracies = []
examples = []
# Run test for each epsilon
for eps in epsilons:
acc, ex = test(model, device, test_loader, eps)
accuracies.append(acc)
examples.append(ex)
输出：
Epsilon: 0 Test Accuracy = 9810 / 10000 = 0.981
Epsilon: 0.05 Test Accuracy = 9426 / 10000 = 0.9426
Epsilon: 0.1 Test Accuracy = 8510 / 10000 = 0.851
Epsilon: 0.15 Test Accuracy = 6826 / 10000 = 0.6826
Epsilon: 0.2 Test Accuracy = 4301 / 10000 = 0.4301
Epsilon: 0.25 Test Accuracy = 2082 / 10000 = 0.2082
Epsilon: 0.3 Test Accuracy = 869 / 10000 = 0.0869
3.4 结果
3.4.1准确率与ε
下图是精度与ε曲线的关系，随着ε的增加，精度会降低。 但是二者并不是线性相关。例如，ε = 0.05处的精度仅比ε = 0低约 4%，但ε = 0.2处的精度比ε = 0.15。 另外，请注意，模型的原始准确率在ε = 0.25和ε = 0.3之间。
plt.figure(figsize=(5,5))
plt.plot(epsilons, accuracies, "*-")
plt.yticks(np.arange(0, 1.1, step=0.1))
plt.xticks(np.arange(0, .35, step=0.05))
plt.title("Accuracy vs Epsilon")
plt.xlabel("Epsilon")
plt.ylabel("Accuracy")
plt.show()
3.4.2 对抗示例样本
- 随着
ε的增加，测试精度降低，但扰动变得更容易察觉。 所以，攻击者在准确率下降和可感知性之间要进行权衡。 - 下图展示了每个
ε值下成功对抗示例的一些示例。 绘图的每一行显示不同的ε值。 第一行是ε = 0示例，这些示例表示没有干扰的原始“干净”图像。 每张图片的标题均显示“原始分类->对抗分类”。 - 扰动在
ε = 0.15处开始变得明显，而在ε = 0.3处则非常明显。 不过，尽管增加了噪音，人类仍然能够识别正确的类别。
# Plot several examples of adversarial samples at each epsilon
cnt = 0
plt.figure(figsize=(8,10))
for i in range(len(epsilons)):
for j in range(len(examples[i])):
cnt += 1
plt.subplot(len(epsilons),len(examples[0]),cnt)
plt.xticks([], [])
plt.yticks([], [])
if j == 0:
plt.ylabel("Eps: {}".format(epsilons[i]), fontsize=14)
orig,adv,ex = examples[i][j]
plt.title("{} -> {}".format(orig, adv))
plt.imshow(ex, cmap="gray")
plt.tight_layout()
plt.show()
3.6 下一步怎么做
-
在 NIPS 2017 上有一个对抗性的攻击和防御竞赛，并且本文描述了该竞赛中使用的许多方法：《对抗性的攻击与防御竞赛》。 防御方面的工作还引发了使机器学习模型总体上更健壮的想法，以适应自然扰动和对抗性输入。
-
另一个方向是不同领域的对抗性攻击和防御。 对抗性研究不仅限于图像领域，请查看对语音到文本模型的这种攻击。尝试实现与 NIPS 2017 竞赛不同的攻击，并查看它与 FGSM 有何不同。 然后，尝试保护模型免受自己的攻击。
脚本的总运行时间：（4 分钟 22.519 秒）
下载 Python 源码：fgsm_tutorial.py
下载 Jupyter 笔记本：fgsm_tutorial.ipynb