《AI安全之对抗样本入门》—2 打造对抗样本工具箱

第2章

打造对抗样本工具箱

对抗样本是深度学习领域一个新兴的热点内容，非常强调理论和工程相结合。在开启新的学习旅途之前，我们先介绍一下对抗样本环境的搭建过程，强烈建议读者在Linux或者Mac环境下进行搭建，因为深度学习的常用工具几乎都是基于Python开发的，但是Python相关的库都是在Linux或者Mac环境下经过多年验证的，Windows下的功能和稳定性难以保证。为了避免不必要的麻烦，同时能与工业界的生产环境进行无缝迁移，默认情况下，本书都是基于Mac+Python 2.7环境进行介绍的，Linux和Python 3.*环境几乎也可以直接使用。

图2-1　ArXiv上提到的深度学习框架排行

TensorFlow排名第一，Keras排名第二，之后依次是Caffe、PyTorch、Theano、MXNet、Chainer，以及CNTK。Chollet在推文中补充，Keras的使用在产业界和整个数据科学圈中占据主流地位，产业既包括大公司也包括创业公司。不过，在研究社区，Keras的份额要小很多。本章也将介绍主流的深度学习框架的安装方法，读者可以针对自己的情况，安装其中一到两种即可。

2.1　Anaconda

Python是深度学习领域的网红，几乎所有的深度学习框架都支持Python，甚至仅支持Python。Python在给开发者带来各种便利的同时，其复杂的包管理与环境管理也一直困扰着开发者。本书推荐使用Anaconda进行Python环境的搭建，大量实践证明Anaconda具有工业级的稳定性，同时使用便捷，下面我们详细介绍Anaconda。

Anaconda是一个用于科学计算的Python开发平台，支持 Linux、Mac和Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。Anaconda利用conda命令来进行包和环境的管理，并且已经包含了Python和相关的配套工具。如图2-2所示，Anaconda集成了大量的机器学习库以及数据处理必不可少的第三方库，比如NumPy、SciPy、Scikit-Learn以及TensorFlow等。

图2-2　Anaconda框架

Anaconda的安装非常方便，如图2-3所示，从其官网的下载页面选择对应的安装包，以我的Mac本为例，选择macOS对应的图形化安装版本。

图2-3　Anaconda下载页面

点击安装包，选择安装的硬盘，通常Mac本也只有一块硬盘，使用默认安装即可，如图2-4所示。

图2-4　Anaconda安装界面

使用默认配置进行安装，安装完成后出现如图2-5所示的界面。

使用如下命令查看当前用户的profile文件的内容：

cat ~/.bash_profile

图2-5　Anaconda安装结束界面

我们可以发现，在当前用户的profile文件的最后增加了如下内容：

# added by Anaconda2 5.0.0 installer

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

表明已经将Anaconda的bin目录下的命令添加到了PATH变量中，可以像使用系统命令一样直接使用Anaconda的命令行工具了。

Anaconda强大的包管理以及多种Python环境并存使用主要依赖于conda命令，常用的conda命令如下：

# 创建一个名为python27的环境，指定Python版本是2.7

conda create --name python27 python=2.7

# 查看当前环境下已安装的包

conda list

# 查看某个指定环境的已安装包

conda list -n python27

# 查找package信息

conda search numpy

# 安装package

conda install -n python27 numpy

# 更新package

conda update -n python27 numpy

# 删除package

conda remove -n python27 numpy

假设我们已经创建一个名为python27的环境，指定Python版本是2.7，激活该环境的方法如下：

source activate python27

如果要退出该环境，命令如下所示：

source deactivate

在python27的环境下查看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环境下默认安装了哪些包，为了避免显示内容过多，过滤前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

统计包的个数，除去2行的无关内容，当前环境下有16个包：

conda list | wc -l

18

查看目前一共有几个环境，发现除了系统默认的root环境，又多出了我们创建的python27环境：

conda info --envs

# conda environments:

#

python27                 /anaconda2/envs/python27

root                  *  /anaconda2

在python27环境下安装Anaconda默认的全部安装包，整个安装过程会比较漫长，速度取决于你的网速：

conda install anaconda

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

Solving package specifications: .

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

继续统计包的个数，除去两行的无关内容，当前环境下已经有238个包了：

conda list | wc -l

240

Anaconda默认安装的第三方包里没有包含TensorFlow和Keras，需要使用命令手工安装。以TensorFlow为例，可以使用conda命令直接安装：

conda install tensorflow

同时，也可以使用pip命令直接安装：

pip install tensorflow

本书一共创建了两个环境，分别是python27和python36，顾名思义，对应的Python版本分别为2.7和3.6，用于满足不同案例对Python版本的不同要求。

AI Python

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。