Pain is inevitable but suffering is optional.

原理篇可参考：对抗学习概念、基本思想、方法综述FGM类定义class FGM(): def __init__(self, model): self.model = model self.backup = {} def attack(self, epsilon=1., emb_name='emb.'): # emb_name这个参数要换成你模型中embedding的参数名 for name, param in s

对抗学习的基本概念要认识对抗训练，首先要了解 “对抗样本”，它首先出现在论文 Intriguing properties of neural networks 之中。简单来说，它是指对于人类来说 “看起来” 几乎一样，但对于模型来说预测结果却完全不一样的样本，比如下面的经典例子（一只熊猫加了点扰动就被识别成了长臂猿）对抗学习的基本思想Min-Max公式：max函数指的是，我们要找到一组在样本空间内、使Loss最大的的对抗样本（该对抗样本由原样本x和经过某种手段得到的扰动项r_adv共同组合得到

Paper链接：Generative Adversarial Nets摘要前言相关工作对抗网络理论结果实验优缺点结论和未来工作