20180830
参考：https://www.nowcoder.com/courses/190/1/30
Inceptionism（google）
inceptionism：一个可以产生幻觉的神经网络。
主要思想是把卷积神经网络不同层的特征展现出来。通过把学习到的特征应用到不同的图片，产生一些有趣并且搞笑的结果。
一个CNN（convolutional neural network）通过组装简单的特征来慢慢学习复杂的特征。面部识别中，首先学习边和颜色对比度的特征，而后组成人的脸部。Pixel -> Edges and Contrasts -> Parts -> Full Faces。神经网络会自主学习出每一层做什么、该学习什么。
Inceptionism项目是用来搞清楚每个网络层学到了什么特征，然后把它们运用到其它图片上去。
deep net 能够辨别不同的输入，然后给它们分到某一类或者多个类，以图像识别为例，一个深度网络可以分析数字图片，然后辨别。
deep net也能被用来生成数据。对于一个输出，能产生一系列和它相关的输入。一个检测猫的模型可以用于产生一张猫的原始图片。相反，一个模型可以从猫开始，把它分解成类似脸和腿之类的特征，然后继续分解成边和颜色对比度之类的特征，最终分解成组成这张数字图片的像素。
生成数据
主要思想：CNN判别模型的 weight & bias 可以用于产生图像。
通过从网络中抽取学到的特征，然后运用到一张随机图片中，图片中相关的特定特征会被加强。不是简单的重叠效果，模型把特征加入到图片中，让图片看起来越来越像网络中学到的特征，这使两张图片交织缠绕在一起。
因此，可以使用任何类型的训练数据来构建任何类型的模型。