deepDreamImage
딥 드림(Deep Dream)을 사용하여 신경망 특징 시각화
설명
는 신경망 I
= deepDreamImage(net
,layer
,channelIdx
)net
에서 layer
로 주어진 숫자형 인덱스 또는 이름을 갖는 계층의 채널 channels
를 강하게 활성화하는 영상으로 구성된 배열을 반환합니다. 이러한 영상은 신경망이 학습한 특징이 무엇인지 보여줍니다.
는 하나 이상의 이름-값 인수로 지정된 추가 옵션을 사용하여 영상을 반환합니다.I
= deepDreamImage(___,Name,Value
)
예제
입력 인수
출력 인수
알고리즘
이 함수는 다중 해상도 영상 피라미드와 라플라스 피라미드 기울기 정규화를 사용하여 고해상도 영상을 생성하는 딥 드림 시각화를 구현합니다. 라플라스 피라미드 기울기 정규화에 대한 자세한 내용은 블로그 게시물인 DeepDreaming with TensorFlow 항목을 참조하십시오.
기본적으로 trainnet
함수를 사용하여 신경망을 훈련시킬 때 단정밀도 부동소수점 연산방식을 사용하여 계산을 수행합니다. trainnet
함수는 단정밀도의 학습 가능 파라미터와 상태 파라미터를 갖는 신경망을 반환합니다.
단정밀도의 학습 가능 파라미터와 상태 파라미터를 갖는 dlnetwork
객체를 예측 함수나 검증 함수에 사용하면, 단정밀도 부동소수점 연산방식을 사용하여 계산을 수행합니다.
배정밀도의 학습 가능 파라미터와 상태 파라미터를 갖는 dlnetwork
객체를 예측 함수나 검증 함수에 사용하면 다음과 같이 수행됩니다.
입력 데이터가 단정밀도이면, 단정밀도 부동소수점 연산방식을 사용하여 계산을 수행합니다.
입력 데이터가 배정밀도이면, 배정밀도 부동소수점 연산방식을 사용하여 계산을 수행합니다.
참고 문헌
[1] DeepDreaming with TensorFlow. https://github.com/tensorflow/docs/blob/master/site/en/tutorials/generative/deepdream.ipynb