Question

来自https://github.com/google/deepdream/blob/master/dream.ipynb

def objective_L2(dst):          # Our training objective. Google has since release a way to load
    dst.diff[:] = dst.data      # arbitrary objectives from other images. We'll go into this later.

def make_step(net, step_size=1.5, end='inception_4c/output', 
              jitter=32, clip=True, objective=objective_L2):
    '''Basic gradient ascent step.'''

    src = net.blobs['data'] # input image is stored in Net's 'data' blob
    dst = net.blobs[end]

    ox, oy = np.random.randint(-jitter, jitter+1, 2)
    src.data[0] = np.roll(np.roll(src.data[0], ox, -1), oy, -2) # apply jitter shift

    net.forward(end=end)
    objective(dst)  # specify the optimization objective
    net.backward(start=end)
    g = src.diff[0]
    # apply normalized ascent step to the input image
    src.data[:] += step_size/np.abs(g).mean() * g

    src.data[0] = np.roll(np.roll(src.data[0], -ox, -1), -oy, -2) # unshift image

    if clip:
        bias = net.transformer.mean['data']
        src.data[:] = np.clip(src.data, -bias, 255-bias)

如果我理解正确的操作，net.blobs['data']中的输入图像会插入到NN中，直到图层end。一旦前向传递完成，直到end，它会计算＆＃34; off＆＃34; end的blob来自＆＃34;某事＆＃34;。

问题

这是什么＆＃34;东西＆＃34;？是dst.data吗？我逐步调试一个调试器，发现dst.data在赋值后只是一个零矩阵，然后在向后传递后填充了值。
无论如何，假设它找到＆＃34; off＆＃34;正向传递的结果是，为什么它试图向后传播？我认为深度梦想的重点不是进一步训练模型，而是变形＆＃34;将输入图像转换为原始模型的图层所代表的内容。
src.data[:] += step_size/np.abs(g).mean() * g究竟做了什么？似乎将上面所做的任何计算应用于原始图像。这条线实际上是＆＃34;变形＆＃34;图像？

我已阅读的链接

https://stackoverflow.com/a/31028871/2750819

我会对

所接受答案的作者感兴趣

我们采用原始图层blob和＆＃34;增强＆＃34;信号在里面。什么这是不是意味着，我不知道。也许他们只是乘以数值系数，也许别的什么。

http://www.kpkaiser.com/machine-learning/diving-deeper-into-deep-dreams/

在此博客文章中，作者在src.data[:] += step_size/np.abs(g).mean() * g旁边发表评论：＆＃34;更接近我们的目标数据。＆＃34;我不太清楚＆＃34;目标数据＆＃34;在这里意味着。

澄清需要Google的深层梦想剧本

0 个答案: