Python深度学习 基于 Tensorflow(12) 模型实战生成式

文章目录

• • • • Deep Dream
  • 风格迁移
  • 参考资料

Deep Dream

Deep Dream 是一项旨在通过可视化展示神经网络学习模式的实验。与儿童观察云朵的行为并试图理解其复杂形状的行为相类似，在这种情况下 Deep Dream 会表现出类似的特性。

DeepDream旨在直观展示CNN提取的关键特征及其重要性。
具体而言，则是通过梯度上升算法来呈现网络中各层的特征。
即以噪声图像输入网络，在反向传播过程中仅更新图像像素而不调整网络权重。
基于这一技术基础，

DeepDream如何增强图像的特征提取能力？我们通过一个简单实例来理解这一过程：假设有一个神经网络被训练用于区分猫和狗的任务，在输入一张云的图像时（这张云可能看起来像一只狗），该网络可能会提取与狗相关的特征（即认为其概率更高）。具体来说，在经过一定层数的学习后（例如），对于这样一个特定的特征（即某个神经元），其输出的概率向量为[0.6, 0.4]（其中表示为狗的概率为60%，为猫的概率为40%）。此时采用L2范数的方法能够有效地放大这种特定的特征差异。具体而言，在计算L2范数时（即||x||_2 = \sqrt{x_1^2 + x_2^2}），当x_1越大且x_2越小时，则L2范数值越大；因此为了使L_2最大化就需