深的梦想

图书馆(tensorflow)图书馆(keras)base_image_path<-get_file（“sky.jpg”，“https://i.imgur.com/aGBdQyK.jpg”）

result_prefix<-“sky_dream”这些是图层的名称#我们试图最大化激活，#以及他们的体重在最后的损失#我们试图最大化。#你可以调整这些设置来获得新的视觉效果。layer_settings<-列表（“mixed4”＝1.0，“mixed5”＝1．5，“mixed6”＝2．0，“mixed7”＝2.5）#使用这些超参数还可以让你获得新的效果一步<-0.01#梯度上升步长num_octave<-3.#坡度上升时的刻度数octave_scale<-1.4#尺寸比例迭代<-20.每层上升的台阶数max_loss<-15.0

plot_image<-函数(img) {img% > %as.raster（max =255）% > %情节（）｝base_image_path% > %image_load（）% > %image_to_array（）% > %plot_image（）

preprocess_image<-函数(image_path) {# Util函数打开，调整大小和格式的图片#放入适当的数组中。img<-image_path% > %image_load（）% > %image_to_array（）昏暗的(img)<-c（1，昏暗的(img))inception_v3_preprocess_input(img)｝deprocess_image<-函数(x) {昏暗的(x)<-昏暗的(x) (-1］#撤销初始化v3预处理x<-x/2．0x<-x+0．5x<-x＊255.0x []<-光栅：：夹（as.numeric(x)0，255）x｝

构建一个装载预先训练好的ImageNet权重的InceptionV3模型模型<-application_inception_v3（重量=“imagenet”，include_top =假）#获取每个“键”层的符号输出(我们给它们起了唯一的名字)。outputs_dict<-purrr：：imap(layer_settings函数(v，名称){层<-get_layer(模型,名称)层＄输出})#建立一个模型，为每个目标层返回激活值#(作为字典)feature_extractor<-keras_model（输入=模型＄输入,输出=outputs_dict)

compute_loss<-函数(input_image) {特性<-feature_extractor(input_image)#初始化损失损失<-特遣部队＄0（形状=形状())layer_settings% > %purrr：：imap（函数(coeff，名字){激活<-特性[[名字]]扩展<-特遣部队＄reduce_prod(特遣部队＄投(特遣部队＄形状(激活),“float32”）)#我们通过在损失中只涉及非边界像素来避免边界工件。多项式系数＊特遣部队＄reduce_sum(特遣部队＄广场(激活,3.：-2，3.：-2,)))/扩展})% > %purrr：：减少(特遣部队＄添加)｝

gradient_ascent_step<-tf_function（函数(img, learning_rate) {与(特遣部队＄GradientTape（）%, %胶带,{磁带＄看(img)损失<-compute_loss(img)})#计算梯度。毕业生<-磁带＄梯度(损失、img)#正常化渐变。毕业生<-毕业生/特遣部队＄最大(特遣部队＄reduce_mean(特遣部队＄腹肌(毕业生)),1 e-6）img<-img+learning_rate＊毕业生列表(损失、img)})gradient_ascent_loop<-函数(img，迭代，learning_rate，max_loss =零) {为(我在seq_len(迭代)){c(损失、img)% < - %gradient_ascent_step(img learning_rate)如果（！is.null(max_loss)& &as.logical(损失>max_loss)) {打破｝猫（“…阶跃损失值,我,”:“，as.numeric(损失),＂\ n＂）｝img｝

original_img<-preprocess_image(base_image_path)original_shape<-昏暗的(original_img) [2：3.］successive_shapes<-列表(original_shape)为(我在seq_len(num_octave-1)) {形状<-as.integer(original_shape/octave_scale＾我)successive_shapes[[我+1]]<-形状｝successive_shapes<-牧师(successive_shapes)shrunk_original_img<-特遣部队＄图像＄调整(original_img successive_shapes [[1]])img<-特遣部队＄身份(original_img)#复制一份为(我在seq_along(successive_shapes)) {形状<-successive_shapes[[我]]猫（“处理八度”,我,“:”、形状、＂\ n＂）img<-特遣部队＄图像＄调整(img、形状)img<-gradient_ascent_loop（img,迭代=迭代,learning_rate =一步,max_loss =max_loss）upscaled_shrunk_original_img<-特遣部队＄图像＄调整(shrunk_original_img、形状)same_size_original<-特遣部队＄图像＄调整(original_img、形状)lost_detail<-same_size_original-upscaled_shrunk_original_imgimg<-img+lost_detailshrunk_original_img<-特遣部队＄图像＄调整(original_img、形状)｝

img% > %as.array（）% > %deprocess_image（）% > %plot_image（）