我怎样才能看到我的简单神经网络在Python的梦想？

-1

我已经建立了一个可以从MNIST数据集中学习的基本多层感知器。学习完成后，我想从输出中获得输入，这意味着反转前馈功能以获取由网络生成的图片。我怎样才能看到我的简单神经网络在Python的梦想？

我的整个代码类似于https://github.com/mnielsen/neural-networks-and-deep-learning/blob/master/src/network.py

前馈功能看起来像：

def feedforward(self, a): 
    """Return the output of the network if ``a`` is input.""" 
    for b, w in zip(self.biases, self.weights): 
     a = sigmoid(np.dot(w, a)+b) 
    return a

如果我试图扭转它，使用np.linalg.pinv，它不会因为一些工作点我必须逆向量和解决方案不是唯一的，例如：

m = np.array([[3, 4]]) 
n = np.array([[1], [2]]) 
o = np.dot(m,n) 
print(np.dot(np.linalg.pinv(m),o)) #not n

我被困在那里。我认为我需要一个破解来使np.linalg.pinv的输出更加连贯，因为因为它是我甚至不能设法检索一个真实的输入，因为sigmoid函数的反函数表达式中有对数，并且由于np.linalg.pinv给出的值，我最终得到负数，导致NaN无处不在。

任何想法？

PS：最终目标是随机噪声送入网络和观看数字出现，因此，梦表达这是我从http://googleresearch.blogspot.fr/2015/06/inceptionism-going-deeper-into-neural.html

来源

2016-05-21 hggjvhkkfkhftrjghvgfgj

如果我理解正确的回升，也没有必要扭转在网络中任何方式，但你应该创建一个随机图像，并将其馈送到网络，看看它是如何执行的。现在你逐渐改变输入图像的方式，使输出接近你想要的。此外，你应该尝试让相邻的像素在强度上彼此相似。

（这基本上是提供的链接状态，换句话说。）

来源

2016-05-21 21:11:44

你说得对，我可能混淆了事情。我仍然想扭转网络，看看它可以生成什么样的图像，但我应该删除并重新翻译一下，因为无论如何，这个标题给我带来了一定的下降。此外，我很想知道您是否有任何线索来逐渐改变输入图像的方式，使输出接近我想要的位置？ – hggjvhkkfkhftrjghvgfgj

坦率地说，我是ML新手，并试图自己找出这个问题（然而，关于扭转网络：我不太确定这是否会得到一个地方，即使是一个输出和两个输入的网络。你知道你正在寻找一个'z = 1'（在你想要的输出上反转sigmoid之后）。当x = y = 1作为权重，a，b作为你正在寻找的输入时，你可以有无限的解决方案对于积分产品'z = x * a + y * b'，你不可以吗？ –

好吧，你说服了我，这实际上是不可能的，或者至少是看待事物的错误方式，我会回头看看一旦我有了更多的经验，谢谢你的回答。 – hggjvhkkfkhftrjghvgfgj

我怎样才能看到我的简单神经网络在Python的梦想？

回答

相关问题