如何选择合适的超参数和迭代次数,实现高效的对抗训练?
对抗训练(Adversarial Training, AT)是提高深度学习模型鲁棒性的黄金标准方法。然而,其代价是巨大的:相比标准训练,对抗训练通常会使计算成本增加10倍甚至更多。这种高成本主要来源于在每个训练步骤中,都需要使用梯度下降方法...
对抗训练(Adversarial Training, AT)是提高深度学习模型鲁棒性的黄金标准方法。然而,其代价是巨大的:相比标准训练,对抗训练通常会使计算成本增加10倍甚至更多。这种高成本主要来源于在每个训练步骤中,都需要使用梯度下降方法...