foolboxのダウンロードfoolboxソースコードのダウンロード

foolbox

パイソン

Version 3.3.4

ダウンロード

。

ドキュメント：APIドキュメントは、readthedocsで見つけることができます。

クイックスタート

pip install foolbox

FoolboxはPython 3.8以降でテストされていますが、バージョン3.6-3.8でも動作する可能性があります。 Pytorch、Tensorflow、またはJaxで使用するには、それぞれのフレームワークを個別にインストールする必要があります。これらのフレームワークは依存関係として宣言されていません。なぜなら、誰もがそれらをすべて使用したいとは限らないため、これらのパッケージの一部はさまざまなアーキテクチャとCUDAバージョンに対して異なるビルドを持っているからです。それに加えて、すべての重要な依存関係が自動的にインストールされます。

現在、以下の互換性セクションでテストに使用しているバージョンを確認できますが、一般的には新しいバージョンが機能すると予想されています。

？例

 import foolbox as fb

model = ...
fmodel = fb . PyTorchModel ( model , bounds = ( 0 , 1 ))

attack = fb . attacks . LinfPGD ()
epsilons = [ 0.0 , 0.001 , 0.01 , 0.03 , 0.1 , 0.3 , 0.5 , 1.0 ]
_ , advs , success = attack ( fmodel , images , labels , epsilons = epsilons )

より多くの例は、例フォルダー、例えば完全なResnet-18の例を示しています。

？引用

あなたがあなたの仕事にqualboxを使用している場合は、次のbibtexエントリを使用して、qualboxネイティブ（すなわち、qualbox 3.0）とqualboxに関するICMLワークショップペーパーに関するジョスペーパーを引用してください。

 @article {rauber2017foolboxnative、
  doi = {10.21105/joss.02607}、
  url = {https://doi.org/10.21105/joss.02607}、
  年= {2020}、
  Publisher = {The Open Journal}、
  volume = {5}、
  番号= {53}、
  ページ= {2607}、
  著者= {Jonas RauberとRoland ZimmermannとMatthias BethgeとWieland Brendel}、
  タイトル= {qualboxネイティブ：Pytorch、Tensorflow、およびJax}の機械学習モデルの堅牢性をベンチマークするための高速敵対攻撃}
  Journal = {Journal of Open Source Software}
}

@inproceedings {rauber2017foolbox、
  title = {foolbox：機械学習モデルの堅牢性をベンチマークするPythonツールボックス}、
  著者= {Rauber、Jonas and Brendel、Wieland and Bethge、Matthias}、
  booktitle = {ワイルドワークショップでの信頼できる機械学習、第34回機械学習に関する国際会議}、
  年= {2017}、
  url = {http://arxiv.org/abs/1707.04131}、
}