免责声明-Google Deep Dream - Use classes to "control dreams"：相关，但是它不会使这个问题无效（我希望），因为我（天真的）想重新训练网络，所以我比他们更困惑，问题是还开着。在特定的类别中，我的意思是猫，在图像上是指人的图像（但是，如果它在一般情况下可以工作，那就更好了），而且我听说AlexNet更简单，所以我去研究它。
（Windows 7，低于标准的GPU（GTX 860M；计算能力为5.0，所以请不要灰心），很多时间，机器学习新手）
我想做的是让Deep Dream照常做，但要代替建筑物，鱼类，人等，我只希望它在图像中创建猫（理想情况下，能够用上的人）。
我做了什么：只用猫图片训练了一个网络（用于训练和测试的设置不同，但是train.txt和test.txt中只有0类，而train_val.prototxt中的num_output：1类），我不敢看到在Deep Dream中可能会做些什么（可能只是随机噪音？idk）。
我的猜测是，我需要训练网络以识别猫和人，然后最大程度地激活猫。我猜这涉及改变与猫相关的神经元的重量。
Anaconda，CUDA（带有CuDNN），Caffe和Deep Dream似乎都可以正常运行，但是我几乎不知道如何正确地使用它们。在this tutorial之后，我猜只是为了区分猫和狗，我设法进行了caffe训练，没有出现致命的错误……但是网络实际上并没有学到任何有用的东西（我认为）。无论如何，我的问题是：
有没有一种方法可以仅在某个地方更改值，以便bvlc_googlenet仅在我提供的任何图像中都能找到猫？ （尽管不是主要问题。）
训练一个可与Deep Dream一起使用的网络，以识别带有人像的图像中的猫（但不能识别人，鱼，建筑物或其他物体），主要是这些图像[BTW，碰巧我有几百张我和我的朋友的照片，这是我真正感兴趣的]，我需要什么样的训练和测试数据（各种图像（人，猫，狗，风景） ，图片数量，在训练和测试中猫与非猫的比例等？
train.txt和test.txt应该是什么样的？他们应该有相同数量的课程吗？我应该跳过其中一个课程吗？在train.txt和test.txt中设置类的规则是什么？
我应该如何更改num_output（本教程告诉我仅针对fc8层修改此值）？
solver.prototxt应该使用8GB的RAM和2GB的VRAM系统进行哪些配置？默认是荒谬的，所以我做了（换行）（不是完整文件）lr_policy：“ step”; test_iter：100; test_interval：500;步长：2500（当前仅使用5000张图像，所有猫）； max_iter：10000; iter_size：5；重量衰减：0.004； [对于train_val.prototxt中的两个数据层] batch_size：10。 GPU-Z告诉我我仅使用1GB的VRAM。
测试网每个班级应该有2个输出（准确性和损失）吗？和火车网，每节课只有1（亏损）吗？ （只有猫，我分别得到2和1）
我真的需要AlexNet的deploy.prototxt吗？该教程没有提及它，我认为文档说它只是train_val.prototxt的副本？
我将如何最大程度地激活猫？ （可能与第一个问题有关）
另外，请指出我的设置中的任何明显错误（除了只拥有猫的图像，因为我认为这是合乎逻辑的），与tutorial’s基本相同。
用于创建train.txt和test.txt的python脚本（只列出所有图像，将它们划分在train.txt和test.txt之间，并添加适当的类号[在我的情况下，保证0％的损失：D] ）-> convert_imageset.exe创建lmdb文件夹---> compute_image_mean.exe创建平均图像---> caffe训练调用不会导致致命的异常，主要是因为它实际上没有做任何有用的事情
（如果您需要文件/更多信息，请询问。）