python - 如何将 Tensor 转换为 ndarray(内部含有对抗性图像的张量)

Question

注意:我已经尝试过不同 SO 问题的解决方案，但没有成功，详细信息如下。

我正在学习cleverhans Pyhton 教程，重点关注this代码(keras 模型案例)。我有基本的 keras 知识，但我刚刚开始使用 Tensorflow(完全是新手)。

我正在尝试可视化这段代码中生成的对抗图像(引用自链接的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，我尝试将张量转换为 ndarray为了通过matplot可视化它。我在 model(adv_x) 之前和之后都尝试过以下操作:

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

一切都没有按预期工作，我收到各种错误:

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"]()]]

也尝试过with sess.as_default():但没有成功。

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

我还尝试处理张量的切片 adv_x[0] ，但没有成功。

我有点迷失，我想我错过了一些 TensorFlow 基础知识，或者我误解了教程(adv_x 是否有效地填充了数据？)。

如何转换adv_x至ndarray类型？如有任何提示，我们将不胜感激

问候

Answer 1

我已经找到解决办法

看来 Tensor adv_x 更像是一个函数而不是一个值，并且需要输入(我目前不掌握背后的 tensorflow 复杂推理)，所以您需要通过提供 session 和字典来调用eval()。该字典包含一个条目，即 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，在我的例子中，占位符名称为 x，但我认为您应该使用在 FastGradientMethod 对象构造函数中提供的占位符的变量名称。

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

adv_images 是大小为 (60000,28,28,1) 的数组，ad1 = adv_images[1] 是灰度图像 (​​28,28,1) .

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

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，您知道，您必须小心使用黑魔法:-)

P.s:为了避免内存不足错误，您可以截断x_train，例如x_train2 = xtrain[0:100]