对抗数据训练

增加模型泛化性能的技术

扰动是微小的甚至是肉眼难以观测到的
添加的扰动必须有能力使得模型产生错误的输出

在文本处理中添加的扰动可以是离散的也可以是连续的，一般来说离散扰动指的是直接对输入文本字符进行微小修改，连续扰动一般指的是直接在输入文本中的词向量矩阵中添加的扰动
bad->bed

apple->abple

film->movie

连续扰动的代码实现：词向量矩阵的扰动

一.对类进行初始化，

1.对模型的初始化

2.对backup初始化

class FGM(obeject):
    def __init__(self,model):
        super(FGM,self).__init__()
        self.model = model
        self.backup= {}

二.定义attack（攻击）和restore（恢复）

def attack(self):

def restore(self):

attack的函数参数

def attack(self,epsilon=0.25,emb_name= '模型的某层')
  #epsilon 0.25或者一个比较小的数
  #emb_name传入模型的某层 对词向量做扰动 就是 emb_name = word_embeddings
  for names,param in self.model.named_parmameters():#列举出模型所有的参数名称
    if param.requires_grad and emb_name