Keras深度学习实战（20）——DeepDream模型详解

0. 前言

在《对抗样本生成》一节中，我们通过略微修改输入图像的像素值以改变模型对图像类别的预测。在本节中，我们同样对输入图像略微进行一些修改，但并不以改变图像的标签为目标，本节的目标是令修改后的图像比原始图像更具艺术感，而且能够帮助我们理解卷积神经网络背后的机制。同时，本节所介绍算法也是我们之后将要介绍的神经风格迁移技术的核心。

1. DeepDream 的技术原理

首先，我们先了解 DeepDream 的技术原理。在图像识别相关博文中，我们学习了如何利用卷积神经网络进行图像识别，利用若干卷积操作处理输入图像，输入图像类别标签。在模型训练阶段，使用大量训练图像计算梯度信息，网络根据梯度信息调整和学习最佳参数。
在《对抗攻击》中，我们知道，如果想让一张图像被判断为某一指定类别，可以将输出概率作为优化目标