DiCE 对自己的 PyTorch 模型的解释

Question

有人设法在自己的 PyTorch 模型上使用 DiCE 吗？示例用法仅展示如何使用预训练的用法来完成此操作，而我想定义自己的用法。
我找到了一个 Tensorflow 的示例用法，并宽松地遵循它，希望它能起作用，但它总是给我 AttributeErrors。这是我的代码：

class ClassificationModel(nn.Module):
    def __init__(self, input_dim, output_dim):
        super(ClassificationModel, self).__init__()
        self.fc1 = nn.Linear(input_dim, 64)
        self.fc2 = nn.Linear(64, 32)
        self.fc3 = nn.Linear(32, output_dim)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = torch.relu(self.fc2(x))
        x = self.fc3(x)
        return x

model = ClassificationModel(input_dim, output_dim)
# training

d = dice_ml.Data(dataframe=df, continuous_features=list(df.columns)[:-1], outcome_name='species') # iris dataset
m = dice_ml.Model(model, backend = "PYT")
exp = dice_ml.Dice(d, model)

最后一行出现以下错误：

AttributeError: 'ClassificationModel' object has no attribute 'backend'

。 我尝试将其添加到模型中，希望绕过它（

self.backend = "PYT"

），但随后错误变成了

[...] has no attribute 'load_model'

。看来我无论如何也无法让它开心。

我尝试寻找包中的其他功能，但没有成功。
有人成功实现了吗？

Answer 1

代码中有一个小拼写错误。正确调用Dice模型的方法如下：

exp = dice_ml.Dice(d, m)

当您编辑最后一行时，其余代码应该可以正常工作。