معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Differentiable abstract domain implementations for neural network reasoning on PyTorch

ویژگی	مقدار
سیستم عامل	-
نام فایل	diffabs-0.1
نام	diffabs
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Xuankang Lin
ایمیل نویسنده	xuankang.lin@gmail.com
آدرس صفحه اصلی	https://github.com/XuankangLin/DiffAbs
آدرس اینترنتی	https://pypi.org/project/diffabs/
مجوز	-

# DiffAbs DiffAbs is a PyTorch implementation of multiple abstract domains that can be used in certifying or reasoning neural networks. Implemented purely using PyTorch, it is differentiable and supports GPU by default, thus amenable for safety/robustness driven training on abstract domains. Currently, the following abstract domains are implemented: * Vanilla interval domain; * DeepPoly domain (<https://dl.acm.org/doi/10.1145/3290354>); ## Domain notes DeepPoly ReLU heuristics: * A variant of the original DeepPoly domain is implemented where the ReLU approximation is not heuristically choosing between two choices (either picking `y = x` or `y = 0` as the new upper bound). Right now it is fixed to choosing `y = 0`, because there was Galois connection violation observed if this heuristic is enabled. Basically, it is observed in experiment that a smaller abstraction may unexpectedly incur larger safety distance than its containing larger abstraction. ## Supported systems Although it is currently tested on Mac OS X 10.15 and Ubuntu 16.04 with Python 3.7 and PyTorch 1.5, it should generalize to other platforms and older PyTorch (perhaps ≥ v1.0) smoothly. However, Python ≤ 3.6 may be incompatible. Because type annotations are specified everywhere and the type annotation of self class is only supported by `__future__.annotations` in Python 3.7. If using Python 3.6, this needs to use 'type string' instead. ## Installation In your virtual environment, either install directly from this repository by ``` git clone git@github.com:XuankangLin/DiffAbs.git cd DiffAbs pip install -e . ``` or directly install from PyPI: ``` pip install diffabs ``` ## Testing Test cases for individual abstract domains are under the `tests/` directory and can be run using command ``` pytest ``` Note that `torchvision` is needed to run the tests for conv/maxpool layers. ## License The project is available open source under the terms of [MIT License](https://opensource.org/licenses/MIT).

نیازمندی

مقدار	نام
>=1.0.0	torch

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl diffabs-0.1:

pip install diffabs-0.1.whl

نصب پکیج tar.gz diffabs-0.1:

pip install diffabs-0.1.tar.gz