Machine learning 迭代快速梯度符号法（迭代FGSM）所涵盖的内容，我们可以'；使用简单快速梯度符号法（FGSM）的t覆盖_Machine Learning_Generative Adversarial Network_Adversarial Machines

Machine learning 迭代快速梯度符号法（迭代FGSM）所涵盖的内容，我们可以'；使用简单快速梯度符号法（FGSM）的t覆盖

machine-learning

Machine learning 迭代快速梯度符号法（迭代FGSM）所涵盖的内容，我们可以'；使用简单快速梯度符号法（FGSM）的t覆盖,machine-learning,generative-adversarial-network,adversarial-machines,Machine Learning,Generative Adversarial Network,Adversarial Machines,FGSM和迭代FGSM是生成对抗性样本的两种方法。在访问了数百个网站和博客后，我们了解了为什么在迭代FGSM中执行多个步骤。以及我们在（迭代FGSM）中的多个步骤中所涵盖的内容，这些内容在简单FGSM中无法涵盖但所有这些都给了我一个不满意的答案，在迭代FGSM中，我们多次执行FGSM。请任何人都给我满意的回答上述大胆的问题。谢谢@IanGoodfellow我可以听听你的智慧吗？据我所知，迭代FGSM或I-FGSM将在每个时间步重新计算梯度。这与多次执行FGSM不同，因为我们正在更改梯度。通

FGSM和迭代FGSM是生成对抗性样本的两种方法。在访问了数百个网站和博客后，我们了解了为什么在迭代FGSM中执行多个步骤。以及我们在（迭代FGSM）中的多个步骤中所涵盖的内容，这些内容在简单FGSM中无法涵盖

但所有这些都给了我一个不满意的答案，在迭代FGSM中，我们多次执行FGSM。请任何人都给我满意的回答上述大胆的问题。

谢谢

@IanGoodfellow我可以听听你的智慧吗？据我所知，迭代FGSM或I-FGSM将在每个时间步重新计算梯度。这与多次执行FGSM不同，因为我们正在更改梯度。通过重新计算梯度，它将能够找到扰动较小的局部最优解。