cleverhans，tf2，fgsm --我如何将我的LSTM回归模型传递给cleverhans中的快速梯度方法函数？(逻辑)

Question

我为回归任务建立并训练了我的LSTM模型，一切都很好。我想使用来自cleverhans的fast_gradient_method函数(或任何其他cleverhans函数作为任何其他攻击的代表)。

我不明白我该怎么把模型传递给函数。来自克里弗汉斯：

:param model_fn: a callable that takes an input tensor and returns the model logits

无论我给函数输入什么(模型本身、get_weights获得的权重、密集层之前的“阶段”的权重.)，我得到了以下错误：

TypeError: 'module' object is not callable

什么才是正确的输入才能让它发挥作用？

在我发现的唯一工作示例中，下面的代码行用于定义logits_model，然后将其传递为:param model_fn:，但我仍然得到上面的错误

logits_model = tf.keras.Model(model.input,model.layers[-1].output)

Answer 1

若要传递有效的模型，应以下列方式定义：

(只是一个例子)

"make“只需要model.summary()才能工作，我在另一篇文章中找到了代码，所以我现在似乎找不到

class modSubclass(Model):
    def __init__(self):
        super(modSubclass, self).__init__()
        self.lstm1 = GRU(hidden_size1, activation='relu',return_sequences=True,input_shape=(input_size,1))
        self.lstm2 = GRU(hidden_size2, activation='relu')
        self.dense1 = Dense(K, activation='relu')

    def call(self,x):
        x = self.lstm1(x)
        x = self.lstm2(x)
        x = self.dense1(x)
        return x

    def make(self, input_shape):
        '''
        This method makes the command "model.summary()" work.
        input_shape: (H,W,C), do not specify batch B
        '''
        x = tf.keras.layers.Input(shape=input_shape)
        model = tf.keras.Model(inputs=[x], outputs=self.call(x), name='actor')
        print(model.summary())
        return model