0
A
回答
1
我不知道你是如何想象“生成图像”的,但有一种方法是试图查看哪个图像能够最大化你对某个标签的预测。要做到这一点,你可以用你用随机噪声初始化的变量替换你的输入图像占位符。您的优化器将优化此变量以提供最大预测。
“Kadenze深度学习创意应用”课程第4课给出了一个例子。看看这里:https://github.com/pkmital/CADL/blob/master/session-4/lecture-4.ipynb
相关问题
- 1. 神经网络
- 2. 神经网络
- 3. 神经网络处理字符数据
- 4. 神经网络规范输出数据
- 5. sigmoid神经网络
- 6. H2O.deeplearning神经网络
- 7. 神经网络:“InverseLayer”
- 8. Hopfield神经网络
- 9. 的神经网络
- 10. 神经网络[ocr]
- 11. MATLAB神经网络
- 12. 神经网络,python
- 13. RBF神经网络
- 14. 神经网络MNIST
- 15. 通过神经网络产生音乐
- 16. 回归神经网络是一个神经网络链吗?
- 17. 实现偏倚神经网络神经网络
- 18. 用于面板数据的经常性神经网络
- 19. 使用神经网络的OCR
- 20. C#中的神经网络使用NeuronDotNet
- 21. RBM神经网络预测使用sklearn
- 22. 使用Keras Python测试神经网络
- 23. 使用回归神经网络(与Theano)
- 24. 使用OpenCV创建神经网络?
- 25. 重复使用神经网络
- 26. 故意过度使用神经网络
- 27. 使用遗传算法神经网络
- 28. 如何使用神经网络获取新数据?
- 29. 神经网络值计算?
- 30. 神经网络拓扑
有一些图像生成的例子,特别是风格转移的https://github.com/tensorflow/magenta/tree/master/magenta/models/image_stylization。 – drpng