谷歌大脑开源TensorFuzz库
极客时间编辑部
讲述:杜力大小:1007.21K时长:02:09
众所周知,机器学习模型难以解释和调试,特别是神经网络。为此,谷歌大脑提出了一种新方法,主要用于测试少数输入可能会导致的错误。他们发布了一个 TensorFuzz 库,让其他人可以基于现有的工作继续研究,或者使用模糊器来找出真正的问题。
谷歌大脑团队基于传统软件工程的覆盖引导模糊技术,开发出了适用于神经网络的 CGF 方法。具体来说,他们的工作内容包括以下内容:
将 CGF 概念引入到神经网络中,并描述了如何使用快速近似最近邻算法(fast approximate nearest neighbors algorithms)来检查覆盖率。
开源了一个名为 TensorFuzz 的库。
使用 TensorFuzz 查找训练过的神经网络的数值问题、神经网络与其量化版本之间的分歧,以及字符级语言模型中的不良行为。
据了解,TensorFuzz 库的工作方式与其他模糊测试工具类似,只是它更适合用于神经网络测试。它与其他使用 C 或 C++ 开发的计算机程序不一样,它不是通过查看基本代码块或控制流的变化来测量覆盖率,而是通过查看计算图的“激活”来测量覆盖率。
模糊测试程序的整体结构,与普通计算机程序的覆盖引导模糊器的结构非常相似。主要的区别在于,交互的对象不是已经检测过的计算机程序,而是 TensorFlow 图,通过向 TensorFlow 图提供输入并从中获取输出。
研究人员通过在不同的应用程序上应用 CGF 技术,证明该技术在一般性的情况下可以发挥它的作用,其实验结论包括:
CGF 可以有效地发现训练好的神经网络中的数值误差;
CGF 反映了模型与其量化版本之间的分歧;
CGF 揭示了字符级语言模型中的不良行为。
总体而言,谷歌大脑团队为神经网络引入了覆盖引导模糊的概念,并描述了如何在此背景下构建有用的覆盖率检查器。他们通过实验,证明了 TensorFuzz 的实用性。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论