如何在TensorFlow中使用图像和权重矩阵创建对抗图像？

Question

在ImageNet上的Breaking Linear Classifiers on ImageNet博客文章中，作者提供了一个非常简单的示例，说明如何修改图像以欺骗分类器。 给出的技术非常简单： xad = x + 0.5w ，其中x是1d向量，w是1d权重。 这一切都很好，也很清楚。 但是，我试图用MNIST数据集来实现这一目标并陷入困境，却不知道如何将这个简单的想法变成实际的结果。 我想知道如何使用已知的w矩阵修改给定的x矩阵（或简单地是平坦的1d图像矢量）。

我的图像矩阵x的形状为（1032，784）（每个图像是具有784个数字的扁平向量），而我的权重矩阵w的形状为（784，10）。 那么问题是如何实现上述文章中介绍的思想？ 特别是，如何为所有图像添加一点权重？ 像这样：

x + 0.5 * w

我的代码可以在GitHub上找到 。 最好使用numpy解决方案，但使用TensorFlow也可以。 谢谢！

Answer 1

弄清楚如何：

因此，如果我们尝试创建对抗性图像以将其错误地归类为“ 6”，则仅需要从权重矩阵中获取“ 6”的权重：

w_six = w[:, 6]

然后我们可以简单地进行矩阵加法：

images_fool = x + 1.5 * w_six