11 个不稳定版本 (3 个破坏性版本)
| 0.6.1 | 2022年3月22日 |
|---|---|
| 0.6.0 | 2022年2月23日 |
| 0.5.4 | 2021年12月11日 |
| 0.5.3 | 2021年11月18日 |
| 0.3.0 | 2021年10月23日 |
#343 in 机器学习
每月 36 次下载
1MB
5.5K SLoC
nnv-rs
深度神经网络的快速可达性分析和采样
基于由Dr. Hoang-Dung Tran大量开发的类似名称的 MATLAB 工具箱。我正在开发这个软件来撰写我的论文，并乐于支持使用它进行其他工作。如果您正在使用这个包或从事类似的问题，请通过电子邮件（equint at cse dot unl dot <教育结尾>）告知我（抱歉，正在试图阻止自动邮件发送器）。
构建 Python 包
- 使用
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh安装 Rust 并重新启动您的 shell。 - 创建 Python 虚拟环境并运行
pip install -r requirements.txt来安装 Python 依赖项。 - 克隆以下 Rust 项目
ndarray-linalg、numpy、truncnorm-rs - 在
numpy中设置ndarray的版本为15.2.0 - 确保已安装 CMake 3.15 或更高版本以及
clang - 在 Ubuntu 上安装 OpenBlas（《apt-get install libopenblas-dev）
- 使用
rustup default nightly切换到 nightly Rust - 使用
python ./setup.py install构建和安装基于 Rust 的 Python 包
基准测试
在基准测试时，如果您想生成火焰图，请使用以下语法
cargo bench --bench my_benchmark -- --profile-time 5
待办
- 使用DeepPoly实现适当的边界检查
- 找出如何从星号而不是输入边界运行DeepPoly
- 实现星座重要性采样
- 实现神经网络argmax
故障排除
- 构建时出现链接错误
/usr/bin/ld:找不到-lCbcSolver：cbc求解器是我们使用的线性规划包good_lp的默认依赖项。在Ubuntu上的修复方法是运行sudo apt install coinor-libcbc-dev。 - 如果您的問題沒有列在這裡，請在GitHub上開啟問題，我們將查看是否能夠修復/添加它。
致謝
這項工作沒有人支持。
依賴項
~76MB
~1M SLoC