可以看到，我们的平台的FGSM算法，实际上是参考了DEEPSEC平台完成的。
问题出现在evaluation_base.py中
147行执行白盒测试的函数中。(我们分别对主要功能使用了GPUtil实时查看了占用显存。)
GPUtil：可查看当前GPU利用率、GPU占用比
在刚进入147行的函数时，由于已经将model传入显存，因此此时显示的占用结果为
| ID | GPU | MEM |
|---|---|---|
| 0 | 0% | 10% |
直到outputs = model(xs)一句执行后，显存上升为19%
接着到adv_xs = arr.generate(xs, ys)一句，程序进入FGSM算法内部，开始生成对抗样本。我们平台目前的FGSM算法
在64行，outputs = self.model(var_xs)执行后，显存上升为36%
在70行，loss.backward()求完loss之后，显存达到巅峰值56%
一直到FGSM算法执行结束，return adv_xs，此时显示的MEM始终为56%
问题出现，当回到evaluation_base中的156行后，显存仍然为56%。但事实上，generate函数执行完了，临时变量应该会被回收才对，除非他仍然被某些在cuda上的数据所引用。
事实上，MEM值再也没有回落过。随着for循环不断进行，新的一轮迭代中MEM又继续累计，变成了69%。想请问一下这是为什么？
网友评论