Google DeepDream en sí mismo es una forma de ejecutar la red neuronal, no se ajusta a una arquitectura específica. Es un enfoque que puede lograr con cualquier red neuronal convolucional profunda previamente capacitada.
La idea, simplemente, es como tener un ciclo de retroalimentación en el modelo de clasificación de imágenes. Usted le da una imagen al modelo, y le da algunos puntajes sobre los objetos en los que fue entrenado que cree que podrían existir en la imagen. Luego, deja que la red modifique la imagen de entrada para hacer que estos objetos sean visibles cada vez más. Puedes repetir esto más de una vez.
El anuncio original del artículo del blog de Google DeepDream mostró ejemplos del uso de DeepDream en el modelo GoogLeNet pre-entrenado en imágenes ImageNet, y el modelo MIT Places CNN entrenado en imágenes de lugares.
- ¿Cómo debo seguir el curso de Andrew NG si quiero aprender el aprendizaje automático en Python y cómo debo progresar después de completar el curso?
- ¿Es el aprendizaje profundo una buena herramienta para resolver problemas de lenguaje natural?
- ¿Cómo afectará el aprendizaje automático al mundo para 2030?
- Comencé a aprender Machine Learning pero estoy luchando con conceptos matemáticos como la regresión lineal. ¿Cuál debería ser mi punto de partida en tal caso?
- ¿Qué tan profundo es el aprendizaje profundo?
La arquitectura del modelo GoogLeNet consta de 22 capas, que se muestran a continuación:
