Возможно много людей уже видел эту статью исследования Google:Создания нейронной сети, чтобы нарисовать изображение (ака inceptionism от Google), используя nolearn лазанью
http://googleresearch.blogspot.ru/2015/06/inceptionism-going-deeper-into-neural.html
Он описывает, как команда Google сделала нейронные сети на самом деле рисуют картинки, как искусственный художник :)
Я хотел сделать что-то подобное, чтобы увидеть, как он работает и, возможно, использовать его в будущем, чтобы лучше понять, что заставляет мою сеть терпеть неудачу. Вопрос в том, как достичь этого с nolearn \ lasagne (или, может быть, с пирамином - это тоже сработает, но я предпочитаю nolearn).
Чтобы быть более конкретным, ребята из Google обучили ANN с некоторой архитектурой для классификации изображений (например, чтобы классифицировать, какая рыба находится на фотографии). Хорошо, предположим, что у меня есть ANN, построенный в nolearn с некоторой архитектурой, и я в определенной степени обучился. Но ... Что делать дальше? Я не понимаю это из их статьи. Не похоже, что они просто визуализируют весовые коэффициенты некоторых конкретных слоев. Мне кажется (возможно, я ошибаюсь), как будто они делают одну из двух вещей:
1) Подайте некоторое существующее изображение или чисто случайный шум в обученную сеть и визуализируйте активацию одного из нейронных слоев. Но, похоже, это не совсем верно, поскольку, если они используют свернутую нейронную сеть, размерность слоев может быть ниже, чем размерность исходного изображения
2) Или они подают случайный шум на обученный ANN, получают его промежуточные выводят из одного из средних слоев и подают его обратно в сеть - чтобы получить какой-то цикл и проверить, какие слои нейронных сетей могут быть в случайном шуме. Но опять же, я могу ошибаться из-за той же проблемы размерности, что и в # 1
Итак ... Любые мысли по этому поводу? Как мы могли делать подобные вещи, как Google, в оригинальной статье, используя nolearn или pybrain?
https://github.com/google/deepdream –
@ThomasJungblut God. Странно, но я не смог его сначала изначально сделать :) Дайте мне ответ, чтобы я мог принять его? –