关于TensorFlow、DeepDream从开始了解到放弃

关于TensorFlow，DeepDream

【从开始了解到放弃 (╯‵□′)╯︵┻━┻ 】

个人觉得TensorFlow的功能是足够的多，但是更多的提供各种的算法支持。

使用起来还是太复杂了，因为算法我不会的啊╮(╯_╰)╭

文章目录

• • 关于TensorFlow，DeepDream
  • @[toc]
  • • 与深度学习
    • 关于TensorFlow 本身
    • • 问题
    • 关于 TensorFlow Keras
    • 关于TensorFlow TFLearn
    • 关于 DeepDream 网络【考虑试一下】
    • • 玩了一下
    • 最后 放弃了

与深度学习

提供了深度学习大规模计算需要的计算API。只是算法好像没有封装的样子，要自己定义设计 ε=(´ο｀*)))唉

可以使用的Python的高级封装库：

• PythonMagick：这是 ImageMagick 库的 Python 绑定。它是一个显示、转换和编辑光栅图像及矢量图像文件的库。它支持超过 200 个图像文件格式。它可以使用 ImageMagick 提供的源代码来安装。某些 .whl 格式也可用 pip install(http://www.lfd.uci.edu/%7Egohlke/pythonlibs/#pythonmagick) 来安装。
• TFlearn：TFlearn 是一个建立在 TensorFlow 之上的模块化和透明的深度学习库。它为 TensorFlow 提供更高级别的 API，以促进和加速实验。它目前支持最近的大多数深度学习模型，如卷积、LSTM、BatchNorm、BiRNN、PReLU、残差网络和生成网络。它只适用于TensorFlow 1.0 或更高版本。请使用 pip install tflearn 安装。
• Keras：Keras 也是神经网络的高级 API，它使用 TensorFlow 作为其后端。它可以运行在 Theano 和 CNTK 之上。添加图层只需要一行代码，非常用户友好，可以使用 pip install keras 来安装。

这里觉得TFlearn这个可以学习一下的。

关于TensorFlow 本身

主要是作为数学函数定义与计算（机器学习等也就是统计学方法）。

常用的一些名词说法（算法）：

• 回归算法,各种线性回归，逻辑回归
• 损失函数
• 优化器 （好像就是这个来学习调整函数的，参数为损失函数 ）
• 激活函数

需要对模型的每一步骤进行手动设置与定义。

问题

• 不知道在哪里开始就突然啥都看不懂了 ╮(╯_╰)╭
• Python代码看的很难懂 ε=(´ο｀*)))唉
• 都是一些看不懂的数学公式
  • 
  • 
  • 
  • 
• ？？？

---

关于 TensorFlow Keras

是高级的API，做了很好的封装；

对模型类型，损失函数，优化器都提供了很多的选择【一行代码加个参数就行了，已经封装好的方法了】

Keras 提供了多种损失函数（mean_squared_error、mean_absolute_error、mean_absolute_percentage_error、categorical_crossentropy 和优化器（sgd、RMSprop、Adagrad、Adadelta、Adam 等）。损失函数和优化器确定后，可以使用 compile（self，optimizer，loss，metrics=None，sample_weight_mode=None）来配置学习过程：

这样就不用去了解算法的具体操作了，只需要当做api来调用就可以 了。这个就很适合不懂数学算法的我了 罒ω罒

---

关于TensorFlow TFLearn

主要专注于深度网络的定义。当然基础的线性回归等基本的算法也是封装支持的。

卷积神经网络分类图片过程详解：http://c.biancheng.net/view/1930.html

比如建立一个CIFAR-10 分类模型：

• 导入数据
• 预处理图片【随机旋转等】
• 定义每一次的类型，卷积核个数、尺寸，激活函数类型等
  • 这些都不需要像TensorFlow那样定义每一个参数，TFLearn已提供API的就，只要定义参数就可以了。不需要定义每一个操作的步骤，操作的计算算法公式等。
• 实例化 ConvNet 并 训练 50 【结束】

---

关于 DeepDream 网络【考虑试一下】

Google 于 2014 年在 ImageNet 大型视觉识别竞赛（ILSVRC）训练了一个神经网络，并于 2015 年 7 月开放源代码。

根据现有图像进行"做梦"，使用的是GoogLeNet模型反向生成图像进行合成。

而目前也有较为成熟甚至是商业化的项目了，比如deepart。如果你能够承受一定的精神污染，建议挑战一下Nightmare，这是YOLO大神的另一个作品。

实现参考文章：

• http://c.biancheng.net/view/1937.html 算法介绍分析，其实代码这边也有 说明的更详细
• https://blog.csdn.net/accepthjp/article/details/77882814 代码参考
• https://github.com/google/deepdream [开源了的算法]
• 模型地址：https://github.com/martinwicke/tensorflow-tutorial/blob/master/tensorflow_inception_graph.pb
• https://github.com/hjptriplebee/deep_dream_tensorflow 代码参考

玩了一下

使用以上参考文章提供的代码，可以直接使用。

真挺好玩的，哈哈哈哈哈哈哈哈哈。。。。。。。。。。 精神污染。。。。。。。。

---

最后 放弃了

(ノ｀Д)ノ

(╯‵□′)╯︵┻━┻

ヾ(￣▽￣)Bye_Bye

---