关于请教 train.py加载模型 的问题

[billy1902]

作者您好，在复现您的代码时，遇到一个问题想向您请教，train.py文件中78行 source_model.load_state_dict(torch.load("models/"+modelConfig["Source_Model"]))，想问下这里的加载模型是您文中提到的early-stop模型么，不知您是否方便提供此处加载的模型参数？十分感谢您的帮助，期待您的早日回复

[gjq100]

您好，我们使用的模型是调用预训练模型后，在Imagenet上以5的patience，使用1e-3的SGD优化器执行early stopping训练的，之前的参数存在线上租用的GPU，但是后面没有续租的情况下，没有保存相应的权重，GPU自动释放了。 您可以按照上述设置自行训练，如果您觉得训练成本较高，可以进一步将训练集缩减为在目标攻击中使用的类别子集，在对比时保证公平即可。

…

---原始邮件--- 发件人: ***@***.***> 发送时间: 2024年1月16日(周二) 中午11:42 收件人: ***@***.***>; 抄送: ***@***.***>; 主题: [gjq100/ESMA] 关于请教 train.py加载模型 的问题 (Issue #1) 作者您好，在复现您的代码时，遇到一个问题想向您请教，train.py文件中78行 source_model.load_state_dict(torch.load("models/"+modelConfig["Source_Model"]))，想问下这里的加载模型是您文中提到的early-stop模型么，不知您是否方便提供此处加载的模型参数？十分感谢您的帮助，期待您的早日回复 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you are subscribed to this thread.Message ID: ***@***.***>

[billy1902]

您好，我们使用的模型是调用预训练模型后，在Imagenet上以5的耐心，使用1e-3的SGD优化器执行提前停止训练的，之前的参数线上存在租用的GPU，但是后面没有续您可以按照上述设置自行训练，如果您觉得训练成本较高，可以进一步将训练集缩减为在攻击目标中使用的类别子集，在对比时保证公平即可。
……
---原始邮件---发件人: @.> 发送时间：2024年1月16日（周二）中午11:42 食谱：@.>; 抄送：@.>；主题: [gjq100/ESMA] 关于请教 train.py加载模型的问题（问题#1） 作者您好，在复现您的代码时，遇到一个问题想向您请教，train.py文件中78行 source_model .load_state_dict(torch.load("models/"+modelConfig["Source_Model"]))，想问下这里的加载模型是您文中提到的早停模型么，不知道您是否方便提供这里加载的模型十分感谢您的帮助，期待您的早日回复 — 直接回复此电子邮件，在 GitHub 上查看它，或取消订阅。您收到此消息是因为您订阅了该主题。消息 ID：@.>
十分感谢您的回答，如您所说，在整个imagenet上再进行训练成本较高，我想请问如果不进行这一步early-stop微调模型，其他设定均保持不变。这样测得的攻击成功率相较论文表格数据会下降很多么？

[gjq100]

如果是简单地在子集微调，这个成本应该不会很高。不过如果只是直接使用预训练模型，结果应该不会下降很多。

…

---原始邮件--- 发件人: ***@***.***> 发送时间: 2024年1月17日(周三) 晚上10:51 收件人: ***@***.***>; 抄送: ***@***.******@***.***>; 主题: Re: [gjq100/ESMA] 关于请教 train.py加载模型 的问题 (Issue #1) 您好，我们使用的模型是调用预训练模型后，在Imagenet上以5的耐心，使用1e-3的SGD优化器执行提前停止训练的，之前的参数线上存在租用的GPU，但是后面没有续您可以按照上述设置自行训练，如果您觉得训练成本较高，可以进一步将训练集缩减为在攻击目标中使用的类别子集，在对比时保证公平即可。 …… ---原始邮件---发件人: @.> 发送时间：2024年1月16日（周二）中午11:42 ***@***.***>; ***@***.***>；主题: [gjq100/ESMA] 关于请教 train.py加载模型的问题（问题#1） 作者您好，在复现您的代码时，遇到一个问题想向您请教，train.py文件中78行 source_model .load_state_dict(torch.load("models/"+modelConfig["Source_Model"]))，想问下这里的加载模型是您文中提到的早停模型么，不知道您是否方便提供这里加载的模型十分感谢您的帮助，期待您的早日回复 — 直接回复此电子邮件，在 GitHub 上查看它，或取消订阅。您收到此消息是因为您订阅了该主题。消息 ***@***.***> 十分感谢您的回答，如您所说，在整个imagenet上再进行训练成本较高，我想请问如果不进行这一步early-stop微调模型，其他设定均保持不变。这样测得的攻击成功率相较论文表格数据会下降很多么？ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>

[billy1902]

非常感谢您的回答，我复现您的代码时，其他白盒模型的攻击效果都很好，只是发现：当使用Inception_v3作为白盒模型时，基本无法实现目标攻击。我在多次检查代码没有发现问题后，就想请教您一下。请问您当时是否使用Inception_v3作为白盒模型进行攻击呢，如果您也做过相同的实验并且没有问题，那就应该还是我的问题，不好意思又给您添麻烦了。