Image 在同一张图像上使用torchvision.utils.save_图像两次，会使第二次保存无效。什么'；发生什么事了？

（此处详述的快速梯度符号攻击方法：）

我有一个经过训练的分类器，准确率>90%，用于创建这些对抗性示例，然后我使用

torchvision.utils.save_image

将图像保存到不同的文件夹中

文件夹层次结构如下所示：

• 文件夹1
  • 原始图像.jpg（1）
  • 扰动图像.jpg（2）
• 文件夹2
  • 扰动图像.jpg（3）

这里（2）和（3）是相同的图像张量，它是原始图像张量和扰动图像张量的总和——我只想保存两次愚弄分类器的图像。我发现（1）和（2）打印没问题，但是（3）只打印扰动图像张量（它减去了原始图像张量！）。因此，当我打开（2）时，我会看到我的原始图片，上面有所有的噪声（随机RGB像素从FGSM攻击中切换），但当我打开（3）时，我会看到一个空白画布，上面只有这些随机RGB像素切换

由于我将同一变量（扰动图像数据）打印了两次，我不明白为什么

torchvision.utils.save\u image

在第二次调用扰动图像张量时选择减去它。下面是我描述的代码，数据是原始图像张量

epsilon=0.5
#收集数据梯度
data\u grad=data.grad.data
#呼叫FGSM攻击
扰动数据=fgsm攻击（数据，ε，数据梯度）
#扰动图像的再分类
扰动_输出=模型（扰动_数据）
扰动_输出=火炬.sigmoid（扰动_输出）
扰动输出=扰动输出.max（1，keepdim=True）[1]
max_pred=受干扰的_输出。项（）
final_pred=火炬张量（[0,0]）到（装置）
最终预测[最大预测]=1
#存储所有原始图像和扰动图像，而不考虑模型预测
torchvision.utils.save_image（数据“./FOLDER_1/original.jpg”）
torchvision.utils.save_image（扰动的_数据，“./FOLDER_1/扰动的_image.jpg”）
#如果受干扰的图像愚弄了我们的分类器，请将其副本放入文件夹2中
如果！所有火炬（火炬均衡（最终预定目标）：
torchvision.utils.save_image（扰动的_数据，“./FOLDER_2/扰动的_image.jpg”）

我几乎可以肯定这是一个torchvision错误，但我想在提交错误报告之前我会在这里询问。也许有人看到了我不知道的东西。我还附上了一个用于可视化的（2）和（3）示例。第一幅图像格式正确，但第二幅图像打印时没有原始图像张量

---

结果是，

torchvision.utils.save\u image

修改了输入张量。解决方法是在调用

torchvision.utils.save_image

之前，在某处添加一行代码，类似于：

扰动数据拷贝=扰动数据

---

然后，如果在第二次调用时使用扰动数据\u副本而不是扰动数据（由torchvision.utils.save\u image修改），则可以安全地保存扰动图像两次。我将提交一个错误报告和标签这篇文章。谢谢@Mat指出这一点

我也有这个问题，它源于

torchvision

只保存了第二个张量。所以我把两个（图像）张量（image1+image2）加在一起形成一个新的张量（image3），但是当我第二次保存新的张量（image3）时，它将只保存为总和中的第二个张量（image2）

---

PyTorch在去年年底的某个时候有一个PR来修复这个问题。

可能有一个输入错误：

torchvision.utils.save_image（扰动的_数据，“../../data/扰动的_image.jpg”）

，路径不应该是“/./data/FOLDER_2/扰动的_image.jpg”吗？只是让事情始终如一谢谢你指出它们！我已经修复了拼写错误，但它们不是问题的原因。我必须重新编写代码，以尽可能消除复杂性，同时保持问题的可复制性。我无法真正测试atm，但您是否在没有

if

条件的情况下进行了测试？如果仍然失败，这意味着

save_图像

会影响你的张量。如果不是的话，那就意味着条件就是这样。谢谢@Mat，你是对的

save_image

正在修改张量。请随意回答并接受您自己的问题，而不是编辑，我不介意；我想，只要相信我就行了。我个人会检查

save_image

的内部代码，看看是什么改变了张量，但这不是必须的。