jiamingzhang94/unlearnable-clustersCVPR2023: Clústeres no aprendibles: Hacia ejemplos no aprendibles independientes de la etiqueta
Código relativo a "Unlearnable Clusters: Towards Label-agnostic Unlearnable Examples", CVPR2023.
Primero, ejecuta preprocess.py para renombrar el directorio del conjunto de datos.
python preprocess.py --config config/preprocess.yaml -f rename
Segundo, ejecuta preprocess.py para realizar la inicialización de K-means.
python preprocess.py --config config/preprocess.yaml -f cluster_pets_rn50_cluster10
# the cluster file will be stored in {output_dir}/{dataset}_{surrogate_model}_cluster{num_clusters}.pth
# e.g., output/cluster/pets_rn50_cluster10.pth
Tercero, ejecuta main.py --stage 1 para generar las perturbaciones por clúster.
python main.py --config config/stage_1.yaml -e {experiment} --stage 1
# {experiment} is uc_{dataset}_{surrogate_model}
# e.g., python main.py --config config/stage_1.yaml -e uc_pets_cliprn50 --stage 1
Finalmente, ejecuta main.py --stage 2 para entrenar los modelos objetivo.
python main.py --config config/stage_2.yaml -e {experiment} --stage 2
# {experiment} is uc_{dataset}_{surrogate_model}_{target_model}
# e.g., python main.py --config config/stage_2.yaml -e uc_pets_rn50_rn18 --stage 2
Si encuentras este código útil para tu investigación, considera citarlo.
@inproceedings{zhang2023unlearnable,
title={Unlearnable Clusters: Towards Label-agnostic Unlearnable Examples},
author={Jiaming Zhang, Xingjun Ma, Qi Yi, Jitao Sang, Yu-Gang Jiang, Yaowei Wang, Changsheng Xu},
booktitle="Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition",
year={2023}
}