首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Window 平台下添加 tree 命令[通俗易懂]

    在 WIndow 平台下,系统自带的命令行工具 CMD 可以使用 dir 命令来以树结构打印目录文件,Powershell 工具可以使用 tree 命令。但是,一般为了开发方便,通常会使用更接近 Linux 命令的 Git-Bash 作为常用的命令行工具,然而 Git-Bash 却不支持 tree 命令。以下为给 Window 平台下 Git-Bash 添加 tree 命令的方法。 tree获取路径:http://gnuwin32.sourceforge.net/packages/tree.htm 下载 tree 命令的 二进制包,安装 tree 命令工具 打开进入 Tree for Windows 页面,选择下载 Binaries zip 文件。 解压压缩包,找到压缩包内的 bin 目录,将 bin 目录下的 tree.exe 复制 找到 C:\Program Files\Git\usr\bin 目录,将 tree.exe 粘贴到该目录下,安装即完成 测试 tree 命令 进入 Git-Bash,输入 tree –help命令,如果安装成功,命令可以正常执行。

    02

    基于编码注入的对抗性NLP攻击

    研究表明,机器学习系统在理论和实践中都容易受到对抗样本的影响。到目前为止,此类攻击主要针对视觉模型,利用人与机器感知之间的差距。尽管基于文本的模型也受到对抗性样本的攻击,但此类攻击难以保持语义和不可区分性。在本文中探索了一大类对抗样本,这些样本可用于在黑盒设置中攻击基于文本的模型,而无需对输入进行任何人类可感知的视觉修改。使用人眼无法察觉的特定于编码的扰动来操纵从神经机器翻译管道到网络搜索引擎的各种自然语言处理 (NLP) 系统的输出。通过一次难以察觉的编码注入——不可见字符(invisible character)、同形文字(homoglyph)、重新排序(reordering)或删除(deletion)——攻击者可以显着降低易受攻击模型的性能,通过三次注入后,大多数模型可以在功能上被破坏。除了 Facebook 和 IBM 发布的开源模型之外,本文攻击还针对当前部署的商业系统,包括 Microsoft 和 Google的系统。这一系列新颖的攻击对许多语言处理系统构成了重大威胁:攻击者可以有针对性地影响系统,而无需对底层模型进行任何假设。结论是,基于文本的 NLP 系统需要仔细的输入清理,就像传统应用程序一样,鉴于此类系统现在正在快速大规模部署,因此需要架构师和操作者的关注。

    01
    领券