关于FGM对抗训练中的emb_name参数

[June-Qiong]

def attack(self, epsilon=1., emb_name='word_embeddings'):

emb_name这个参数要换成你模型中embedding的参数名

请问，这个embedding的参数名在哪里能看到呢？我看其他有的实现是在self.xxx = nn.Embedding()，其中xxx是emb_name的值，但是没有找到本项目的emb_name的值在哪里？谢谢您麻烦啦

[HuiResearch]

def attack(self, epsilon=1., emb_name='word_embeddings'):

emb_name这个参数要换成你模型中embedding的参数名

请问，这个embedding的参数名在哪里能看到呢？我看其他有的实现是在self.xxx = nn.Embedding()，其中xxx是emb_name的值，但是没有找到本项目的emb_name的值在哪里？谢谢您麻烦啦

这个参数名指的model的named_parameters中参数的命名，对于bert的话，这个值就是BertModel->embeddings->word_embeddings，这个word_embeddings就是emb_name,它完整的name应该是bert.embeddings.word_embeddings，但用字符串匹配的话只需要word_embeddings就够了。

[June-Qiong]

十分感谢您的回复！

[sunxiaojie99]

def attack(self, epsilon=1., emb_name='word_embeddings'):

emb_name这个参数要换成你模型中embedding的参数名

请问，这个embedding的参数名在哪里能看到呢？我看其他有的实现是在self.xxx = nn.Embedding()，其中xxx是emb_name的值，但是没有找到本项目的emb_name的值在哪里？谢谢您麻烦啦

这个参数名指的model的named_parameters中参数的命名，对于bert的话，这个值就是BertModel->embeddings->word_embeddings，这个word_embeddings就是emb_name,它完整的name应该是bert.embeddings.word_embeddings，但用字符串匹配的话只需要word_embeddings就够了。

我使用fgm的时候遇到了grad为none的情况，我查了一下说是torch只会保留叶节点的梯度？我看仓库代码里也不涉及对这部分的考虑，不知道你有遇到过这个问题吗，我是bert上面叠加了一层注意力机制