《AI安全之對抗樣本入門》—2 打造對抗樣本工具箱

第2章

打造對抗樣本工具箱

對抗樣本是深度學習領域一個新興的熱點內容，非常強調理論和工程相結合。在開啟新的學習旅途之前，我們先介紹一下對抗樣本環境的搭建過程，強烈建議讀者在Linux或者Mac環境下進行搭建，因為深度學習的常用工具幾乎都是基于Python開發的，但是Python相關的庫都是在Linux或者Mac環境下經過多年驗證的，Windows下的功能和穩定性難以保證。為了避免不必要的麻煩，同時能與工業界的生產環境進行無縫遷移，默認情況下，本書都是基于Mac+Python 2.7環境進行介紹的，Linux和Python 3.*環境幾乎也可以直接使用。

圖2-1　ArXiv上提到的深度學習框架排行

TensorFlow排名第一，Keras排名第二，之后依次是Caffe、PyTorch、Theano、MXNet、Chainer，以及CNTK。Chollet在推文中補充，Keras的使用在產業界和整個數據科學圈中占據主流地位，產業既包括大公司也包括創業公司。不過，在研究社區，Keras的份額要小很多。本章也將介紹主流的深度學習框架的安裝方法，讀者可以針對自己的情況，安裝其中一到兩種即可。

2.1　Anaconda

Python是深度學習領域的網紅，幾乎所有的深度學習框架都支持Python，甚至僅支持Python。Python在給開發者帶來各種便利的同時，其復雜的包管理與環境管理也一直困擾著開發者。本書推薦使用Anaconda進行Python環境的搭建，大量實踐證明Anaconda具有工業級的穩定性，同時使用便捷，下面我們詳細介紹Anaconda。

Anaconda是一個用于科學計算的Python開發平臺，支持 Linux、Mac和Windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本Python并存、切換以及各種第三方包安裝問題。Anaconda利用conda命令來進行包和環境的管理，并且已經包含了Python和相關的配套工具。如圖2-2所示，Anaconda集成了大量的機器學習庫以及數據處理必不可少的第三方庫，比如NumPy、SciPy、Scikit-Learn以及TensorFlow等。

圖2-2　Anaconda框架

Anaconda的安裝非常方便，如圖2-3所示，從其官網的下載頁面選擇對應的安裝包，以我的Mac本為例，選擇macOS對應的圖形化安裝版本。

圖2-3　Anaconda下載頁面

點擊安裝包，選擇安裝的硬盤，通常Mac本也只有一塊硬盤，使用默認安裝即可，如圖2-4所示。

圖2-4　Anaconda安裝界面

使用默認配置進行安裝，安裝完成后出現如圖2-5所示的界面。

使用如下命令查看當前用戶的profile文件的內容：

cat ~/.bash_profile

圖2-5　Anaconda安裝結束界面

我們可以發現，在當前用戶的profile文件的最后增加了如下內容：

# added by Anaconda2 5.0.0 installer

export PATH="/anaconda2/bin:$PATH"

表明已經將Anaconda的bin目錄下的命令添加到了PATH變量中，可以像使用系統命令一樣直接使用Anaconda的命令行工具了。

Anaconda強大的包管理以及多種Python環境并存使用主要依賴于conda命令，常用的conda命令如下：

# 創建一個名為python27的環境，指定Python版本是2.7

conda create --name python27 python=2.7

# 查看當前環境下已安裝的包

conda list

# 查看某個指定環境的已安裝包

conda list -n python27

# 查找package信息

conda search numpy

# 安裝package

conda install -n python27 numpy

# 更新package

conda update -n python27 numpy

# 刪除package

conda remove -n python27 numpy

假設我們已經創建一個名為python27的環境，指定Python版本是2.7，激活該環境的方法如下：

source activate python27

如果要退出該環境，命令如下所示：

source deactivate

在python27的環境下查看Python版本，果然是2.7版本：

maidou:3book liu.yan$ source activate python27

(python27) maidou:5book liu.yan$

(python27) maidou:5book liu.yan$ python

Python 2.7.14 |Anaconda, Inc.| (default, Oct? 5 2017, 02:28:52)

[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin

Type "help", "copyright", "credits" or "license" for more information.

>>>

查看python27環境下默認安裝了哪些包，為了避免顯示內容過多，過濾前6行查看：

conda list | head -6

# packages in environment at /anaconda2/envs/python27:

#

ca-certificates?????????? 2017.08.26?????????? ha1e5d58_0

certifi?????????????????? 2017.7.27.1????? py27h482ffc0_0

libcxx??????????????????? 4.0.1??????????????? h579ed51_0

libcxxabi???????????????? 4.0.1??????????????? hebd6815_0

統計包的個數，除去2行的無關內容，當前環境下有16個包：

conda list | wc -l

18

查看目前一共有幾個環境，發現除了系統默認的root環境，又多出了我們創建的python27環境：

conda info --envs

# conda environments:

#

python27???????????????? /anaconda2/envs/python27

root????????????????? *? /anaconda2

在python27環境下安裝Anaconda默認的全部安裝包，整個安裝過程會比較漫長，速度取決于你的網速：

conda install anaconda

Fetching package metadata ...........

Solving package specifications: .

Package plan for installation in environment /anaconda2/envs/python27:

繼續統計包的個數，除去兩行的無關內容，當前環境下已經有238個包了：

conda list | wc -l

240

Anaconda默認安裝的第三方包里沒有包含TensorFlow和Keras，需要使用命令手工安裝。以TensorFlow為例，可以使用conda命令直接安裝：

conda install tensorflow

同時，也可以使用pip命令直接安裝：

pip install tensorflow

本書一共創建了兩個環境，分別是python27和python36，顧名思義，對應的Python版本分別為2.7和3.6，用于滿足不同案例對Python版本的不同要求。

AI Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。