卷积神经网络中滤波器的可视化
conveiro的Python项目详细描述
#converiro（卷积+oneiro，希腊语“dream”）是一个开放源码库，用于在深卷积网络中进行特征可视化。它实现了多种可视化技术，如拉普拉斯，多尺度，深度梦想和CDF。
所有这些方法都基于：
deep dream
deep dream是基于https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/deepdream/deepdream.ipynb
*https://ai.googleblog.com/2015/06/inceptionisgoing deeper into neural.html
是这项技术的精髓。
转换
*将此图像馈送到网络后，我们可以计算梯度，并使用梯度下降来优化这些系数
还有几个步骤，但这是此技术的精髓。
*单击，tensornets，hellow，graphviz（如果您想使用命令行工具和示例）
#从克隆的存储库
```
体系结构。
层列出网络中可用的层（操作）。
网络列出可用的网络体系结构（来自tensornets）。
为层/神经元呈现幻觉。
```
##示例
有关如何使用此库的示例，请查看“docs/”文件夹中的jupyter笔记本：
*https://github.com/showmax/converiro/tree/master/docs/deep_dream.ipynb
*https://github.com/showmax/converiro/tree/master/docs/cdfs.ipynb
最简单的示例：
`` python
将tensorflow导入为tf
importtensornets as nets
来自converiro import cdfs
input_t，decorrelated_image_t，cdfs.setup（224）
>model=nets.inception1（input
>graph=tf.get_default_graph（）
tf.session（）作为sess:sess.run（model.pretrained（））
cdfs.显示图像（cdfs.处理图像（图像））
````
！[cdfs输出]（docs/example.png）
**注意**该api是初步的，可能会在将来的版本中更改。
所有这些方法都基于：
deep dream
deep dream是基于https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/deepdream/deepdream.ipynb
*https://ai.googleblog.com/2015/06/inceptionisgoing deeper into neural.html
是这项技术的精髓。
转换
*将此图像馈送到网络后，我们可以计算梯度，并使用梯度下降来优化这些系数
还有几个步骤，但这是此技术的精髓。
*单击，tensornets，hellow，graphviz（如果您想使用命令行工具和示例）
#从克隆的存储库
```
体系结构。
层列出网络中可用的层（操作）。
网络列出可用的网络体系结构（来自tensornets）。
为层/神经元呈现幻觉。
```
##示例
有关如何使用此库的示例，请查看“docs/”文件夹中的jupyter笔记本：
*https://github.com/showmax/converiro/tree/master/docs/deep_dream.ipynb
*https://github.com/showmax/converiro/tree/master/docs/cdfs.ipynb
最简单的示例：
`` python
将tensorflow导入为tf
importtensornets as nets
来自converiro import cdfs
input_t，decorrelated_image_t，cdfs.setup（224）
>model=nets.inception1（input
>graph=tf.get_default_graph（）
tf.session（）作为sess:sess.run（model.pretrained（））
cdfs.显示图像（cdfs.处理图像（图像））
````
！[cdfs输出]（docs/example.png）
**注意**该api是初步的，可能会在将来的版本中更改。
欢迎加入QQ群-->： 979659372
