Kevin_brown的博客

迁移到服务器上实现，下载了对应的数据集，它的代码是2017NIPS比赛用的 实现的是攻击后的图片分类器 输出的是输入图片的名称和所属的类别 他的方法是每张图片随机四个方向填充或者翻转（一张图片重复三十次）然后进行三十次分类 对每次的概率进行加和 最后取概率最大的（也就是30次加和的概率最大）为输出类别。下面为服务器上的结果。

transformer网络结构正是在上面这篇伟大的论文中提出的，在这篇论文之前，很多论文都提出过类似网络结构，但远不如上面这篇论文名字霸气，也正是Attention Is What you Need系统的介绍了这种注意力机制。

政治英语按部就班就可以解决，政治需要跟好时间线，英语的重点在单词和，阅读和作文。数学这次救了我一命，数学如果低10分，那初试就会压线通过，复试必须超常发挥才能上岸，好险数学分数上130。数学多刷模拟卷是行之有效的，张宇的1000题其实出的非常好，我模拟卷基本刷完了市面上全部的，合工大和张宇 汤家凤 的套卷都是必刷的，还有平时的计算准确率和习惯一定要培养，要自己亲历亲为计算每一个结果。408考了一道十分的外部排序，我一分没拿到，加上大题做的太差了，导致分数过低。

1.L-BFGSL-BFGS是一种拟牛顿算法，用于求解无约束优化问题。它利用梯度信息来逐步逼近目 标函数的极小值点。与传统的梯度下降方法相比，L-BFGS算法在计算逆Hessian矩阵的 过程中利用了有限的内存，从而减少了计算复杂性。L-BFGS攻击的核心思想是将优化问题转化为一个无约束优化问题，然后使用L-BFGS算 法来近似求解。具体而言，通过引入拉格朗日乘子c，并寻找最小的正数c，使得问题 的最小化器ρ满足约束条件。2.FGSM攻击。

给定一个测试图像，可以使用GAN的判别器输出和GAN的生成器图像重构误差作为检测统计量，其中判别器输出是样本来自训练分布的概率，较小的概率表示异常样本。代码复现：模型可以正常训练，epoch100，在epoch60左右显存不够（移动端4060）停止训练，完成训练后使用训练后的模型经过测试可以评估模型在PGD,CW,GAMA攻击下的效果，受制于显卡性能测试速度太慢，且模型训练epoch不够 放弃测试。设计的分类器在原始分类器的高度弯曲区域应具有不相似的结构，同时在其他区域保持类似的结构。

1.time库的三类函数时间获取：time() ，ctime() ，gmtime()时间格式化：strftime() ，strptime()程序计时：sleep() ，perf_counter()函数描述time()获取当前时间戳，即计算机内部时间值，浮点数ctime()获取当前时间并以易读方式表示，返回字符串gmtime()获取当前时间，表示为计算机可处理的时间格式perf_counter()返回一个CPU级别的精确时间计数值，单位为秒，

python暑假自学 字符串1.单双引号都能引导字符串2.字符串处理函数|函数及使用 | 描述 |