使用googlenet的深梦图像
此示例显示如何使用图像生成图像DeepDreamImage.与普雷雷普雷雷卷曲神经网络Googlenet。
深度梦想是深度学习的特征可视化技术，合成强烈激活网络层的图像。通过可视化这些图像，您可以突出显示网络学习的图像特征。这些图像对于理解和诊断网络行为是有用的。
您可以通过将图层的特征朝向网络末尾来生成有趣的图像。
该示例使用深度学习工具箱™和深度学习工具箱模型对于Googlenet网络要生成图像。
负载净化网络
加载佩带的Googlenet网络。如果是深度学习工具箱模型对于Googlenet网络金宝app支持包未安装，然后软件提供下载链接。
net = googlenet;
生成图像
要生成类似于给定类的图像最接近，请选择完全连接的图层。首先，通过查看网络架构来定位该层的图层索引分析。
分析（净）
然后在此示例中选择完全连接的层，142。
第= 142;layername = net.layers（图层）.name
layername ='lock3-classifier'
您可以通过选择多个类生成多个图像。选择要通过设置可视化的类渠道成为这些班级名称的指数。
通道= [114 293 341 484 563 950];
类存储在班级输出层的属性（最后一层）。您可以通过选择条目来查看所选类的名称渠道。
Net.Layers（END）.Classes（频道）
ans =.6×1分类蜗牛老虎斑马城堡喷泉草莓
使用图像生成图像DeepDreamImage.。此命令使用兼容GPU（如果可用）。否则它使用CPU。使用GPU需要并行计算工具箱™和支持的GPU设备。金宝app有关支持设备的信息，请参阅金宝appGPU通金宝app过发布支持（并行计算工具箱）。
i = DeepDreamImage（网络，Layername，频道）;
| =============================================== ||迭代|激活|金字塔级别|||力量||| =============================================== | | 1 | 0.09 | 1 | | 2 | 0.67 | 1 | | 3 | 4.86 | 1 | | 4 | 8.41 | 1 | | 5 | 11.27 | 1 | | 6 | 14.86 | 1 | | 7 | 17.39 | 1 | | 8 | 22.84 | 1 | | 9 | 27.78 | 1 | | 10 | 34.39 | 1 | | 1 | 3.99 | 2 | | 2 | 11.51 | 2 | | 3 | 13.82 | 2 | | 4 | 19.87 | 2 | | 5 | 20.67 | 2 | | 6 | 20.82 | 2 | | 7 | 24.01 | 2 | | 8 | 27.20 | 2 | | 9 | 28.24 | 2 | | 10 | 35.93 | 2 | | 1 | 34.91 | 3 | | 2 | 46.18 | 3 | | 3 | 41.03 | 3 | | 4 | 48.84 | 3 | | 5 | 51.13 | 3 | | 6 | 58.65 | 3 | | 7 | 58.12 | 3 | | 8 | 61.68 | 3 | | 9 | 71.53 | 3 | | 10 | 76.01 | 3 | |==============================================|
一起显示所有图像inmtile.。
图我= Imtile（i）;imshow（i）
生成更详细的图像
增加每金字塔水平的金字塔水平和迭代的数量可以以额外的计算为代价产生更详细的图像。
您可以使用迭代的数量'numiteration'选项。将迭代次数设置为100。
迭代= 100;
生成强烈激活'Tiger'类（频道293）的详细图像。放'verbose'为false抑制有关优化过程的详细信息。
频道= 293;i = DeepDreamImage（网络，LayerName，频道，......'verbose'，错误的，......'numiteration'，迭代）;图imshow（i）
为了产生较大且更详细的输出图像，您可以增加金字塔级别的数量和每个金字塔级别的迭代。
将金字塔级别的数量设置为4。
级别= 4;
生成强烈激活“城堡”类（通道484）的详细图像。
频道= 484;i = DeepDreamImage（网络，LayerName，频道，......'verbose'，错误的，......'numiteration'，迭代，......'Pyramidlevels'，水平）;图imshow（i）
也可以看看
DeepDreamImage.|googlenet.|毕业生|ImageLime.|咬合敏感性
相关话题
您还可以从以下列表中选择一个网站：
