Question

注意：我已经尝试过不同SO问题的解决方案，但均未成功，详情如下。

我正在研究 cleverhans Pyhton教程，重点研究this代码（keras模型案例）。我对keras有基本的了解，但是我刚开始使用Tensorflow（新手总数）。

我正在尝试可视化这段代码中生成的敌意图像（引自链接的 cleverhans 来源）：

# Initialize the Fast Gradient Sign Method (FGSM) attack object and graph
fgsm = FastGradientMethod(wrap, sess=sess)
fgsm_params = {'eps': 0.3,
               'clip_min': 0.,
               'clip_max': 1.}
adv_x = fgsm.generate(x, **fgsm_params)
# Consider the attack to be constant
adv_x = tf.stop_gradient(adv_x)
preds_adv = model(adv_x)

据我了解，adv_x应该包含生成的对抗图像，并且我试图将张量转换为ndarray以便通过matplot对其进行可视化。我在model(adv_x)之前和之后都尝试了以下方法：

1) adv_x.eval()
2) adv_x.eval(sess)
3) sess.run(adv_x) 
4) ..and minor changes

什么都没有按预期工作，我遇到各种错误：

ValueError: Cannot evaluate tensor using `eval()`: No default session is registered. Use `with sess.as_default()` or pass an explicit session to `eval(session=sess)`

和

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,28,28,1]
 [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]

和

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,28,28,1]
     [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]
     [[Node: strided_slice/_115 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_152_strided_slice", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

也尝试了with sess.as_default():，但没有成功。

adv_x的类型为<class 'tensorflow.python.framework.ops.Tensor'>，其形状为TensorShape([Dimension(None), Dimension(28), Dimension(28), Dimension(1)])。在调试控制台中编写adv_x，我获得：<tf.Tensor 'StopGradient_4:0' shape=(?, 28, 28, 1) dtype=float32>

我还尝试了张量adv_x[0]的切片，但没有成功。

我有点迷茫，我想我错过了TensorFlow基础知识，或者我误解了本教程（adv_x是否有效地填充了数据？）。

如何将adv_x转换为ndarray类型？任何提示都表示赞赏

致谢

Answer 1

我找到了解决方法，

张量adv_x似乎更像是 function 而不是值，并且需要输入（我目前不了解后面的tensorflow复杂的推理），因此您需要通过提供会话和字典来调用eval()。该词典包含一个条目，该条目是adv_x输入占位符的名称及其值。就我而言，我提供了60000个输入示例（图像）x_train的列表。

请注意，在我的情况下，占位符名称为 x ，但我想您应该使用在FastGradientMethod对象构造函数中输入的占位符的变量名。

adv_images = adv_x.eval(session=sess, feed_dict={x: x_train})

adv_images是一个大小为（60000,28,28,1）的数组，ad1 = adv_images[1]是一个灰度图像（28,28,1）。

您可以使用matplot，但需要稍微更改数组形状。 Matplot灰度图像应为2D阵列：

matplotlib.pyplot.imshow(ad1[:,:,0])

这是我的解决方案，也许并非所有步骤都是强制性的，但是，您必须小心黑魔法：-）

P.s：为避免出现内存不足错误，您可以截断 x_train ，例如x_train2 = xtrain[0:100]

如何将Tensor转换为ndarray（内部带有对抗图像的张量）

1 个答案: