问如何在pytorch中实现对抗性示例？

EN

我想重现：

​

来自论文https://arxiv.org/pdf/1312.6199.pdf。我想知道，如何在pytorch中真正实现这一点？我的主要困惑是，例如，对于loss_f，我使用的是torch.nn.CrossEntropy()标准。我是否只需要从以下位置更改已有的代码：

loss = criterion(outputs+r, labels)
loss.backward()

至：

loss = criterion(outputs+r, labels)
loss = loss + c * r.norm(2)
loss.backward()

或者类似的东西(当然要在优化器中包括r！)。我知道这不太正确，因为我没有显式地展示我是如何实现x+r或超立方体约束的，但这些都是我需要弄清楚的部分。

我想现在我想先把焦点放在没有超立方体的约束下。如果我们假设我可以出去，那么上面的结论是正确的吗？我只想知道：

loss = loss + c * r.norm(2)

按其应有的方式工作。

现在，如果我们包含超立方体约束，我的解将如何改变？这是“惩罚函数法”的出现吗？

https://discuss.pytorch.org/t/how-does-one-implement-adversarial-examples-in-pytorch/15668