机器/深度学习Swift for TensorFlow、Adversarial Robustness Toolbox介绍

以下为你介绍的机器学习/深度学习软件都可用在Linux系统上:Swift for TensorFlow(集成 Swift 到 TensorFlow)、Adversarial Robustness Toolbox(检测模型及对抗攻击的工具箱)。

1、Swift for TensorFlow(集成 Swift 到 TensorFlow)

机器/深度学习Swift for TensorFlow、Adversarial Robustness Toolbox介绍

Swift for TensorFlow 为 TensorFlow 提供了一种新的编程模型,将 TensorFlow 计算图与 Eager Execution 的灵活性和表达能力结合在了一起,同时还注重提高整个软件架构每一层的可用性。

开发团队还表示,将直接改进 Swift 编程语言和编译器,使得 Tensor 成为 Swift 语言里面的一等公民,以此提升用户体验。

这是一个早期阶段的项目:它既不具备功能完善性,也没有生产准备就绪,但它为开拓者准备尝试项目,提供反馈并帮助塑造未来!

TensorFlow的Swift项目目前专注于2种用户:

1]、受当前ML框架限制的高级ML研究人员。Swift for TensorFlow的优势包括与现代通用语言的无缝集成,从而提供了更动态,更复杂的模型。可以在“user-space”(与C/C++,也称为“framework-space”相对)中开发快速抽象,从而可以轻松定制模块化API。

2]、刚开始使用机器学习的ML学习者。得益于Swift对高质量工具的支持(例如,上下文感知自动完成),Swift for TensorFlow可以成为开始学习机器学习基础知识的最有效方法之一。

Swift for TensorFlow的入门方法:

Google合作实验室(Google Colaboratory):最快的入门方法是直接在浏览器中试用TensorFlow的Swift。

在本地安装:您可以下载预构建的Swift for TensorFlow软件包。

从源代码编译:如果您想为TensorFlow定制Swift,请按照项目的说明从源代码构建Swift for TensorFlow。

下载地址:https://github.com/tensorflow/swift

2、Adversarial Robustness Toolbox(检测模型及对抗攻击的工具箱)

机器/深度学习Swift for TensorFlow、Adversarial Robustness Toolbox介绍

Adversarial Robustness Toolbox 是 IBM 研究团队开源的用于检测模型及对抗攻击的工具箱,为开发人员加强 AI 模型被误导的防御性,让 AI 系统变得更加安全,目前支持 TensorFlow 和 Keras 框架,未来预计会支持更多框架。

支持以下攻击和防御的方法:

Deep Fool

Fast Gradient Method

Jacobian Saliency Map

Universal Perturbation

Virtual Adversarial Method

C&W Attack

NewtonFool

防御方法:

Feature squeezing

Spatial smoothing

Label smoothing

Adversarial training

Virtual adversarial training

安装方法:

1]、用pip安装:

该工具箱经过设计和测试,可与Python 3一起运行,可以使用pip从PyPi信息库安装ART:

pip install adversarial-robustness-toolbox

2]、手动安装:

可以从此存储库下载或克隆ART的最新版本:

git clone https://github.com/IBM/adversarial-robustness-toolbox

从项目文件夹art中使用以下命令安装ART:

pip install .

ART提供了可以使用以下命令运行的单元测试:

bash run_tests.sh

下载地址:https://github.com/IBM/adversarial-robustness-toolbox

注明

以上就是机器/深度学习Swift for TensorFlow、Adversarial Robustness Toolbox的介绍内容,这些机器学习/深度学习软件都能使用在Linux操作系统中。

栏目相关文章