Deep Dream
Deep Dream是這樣的：如果給機器一張圖片\(x\)，Deep Dream會把機器看到的內容加到圖片\(x\)中得到\(x'\)。那如何實現呢？
如上圖所示，將圖片\(x\)輸入到CNN中，然後取出CNN中某一層\(L\)（可以是卷積、池化階段的隱藏層，也可以是FNN中的隱藏層）的輸出\(O\)，然後將\(L\)中的正值調大、負值調小得到一個新的輸出\(O'\)，然後通過梯度下降找到一張新的圖片\(x'\)使層\(L\)的輸出爲\(O'\)，這個\(x'\)就是我們要的結果。直觀理解的話，也就是讓CNN誇大它所看到的內容。
然後就得到了如下結果……（看到的時候我驚了，真是十分哇塞）
Deep Style
Deep Style是這樣的：如果給機器一張圖片\(x\)和\(y\)，Deep Style可以把圖片\(y\)的風格加到圖片\(x\)上，也就是風格遷移。
那如何實現呢？論文：A Neural Algorithm of Artistic Style。
- 把圖片\(x\)傳入CNN並得到輸出，然後其輸出作爲圖片\(x\)的內容\(c_x\)（content）；
- 把圖片\(y\)傳入CNN並得到輸出，但不是考慮輸出的值是什麼，而是考慮輸出層中各個filter輸出之間的相關性（corelation）作爲圖片\(y\)的風格\(s_y\)（style）；
- 最後基於同一個CNN找到圖片\(z\)，圖片\(z\)傳入CNN後得到的內容\(c_z\)像\(c_x\)、風格\(s_z\)像\(s_y\)。
如下圖所示
圍棋
CNN不單單可以用在圖像上，還可以用在其它方面，比如下圍棋。
在下圍棋這件事上，其實FNN就可以（輸入和輸出都是19×19=361的vector），但CNN的效果更好。當然還可以用強化學習。
爲什麼CNN可以用來下圍棋呢？因爲圍棋具有圖像的3個性質，不過AlphaGo並沒有用Max Pooling因爲它不需要。
語音
如下圖所示，用語譜圖（Spectrogram）表示語音。
語譜圖的x軸是時間，y軸是頻率，z軸是幅度。幅度用顏色表示（比如亮色表示高、暗色表示低）。
在語譜圖中，CNN的卷積核往往只在y軸方向上移動，這樣可以消除男生女生聲音頻率的差異；卷積核往往不在x軸上移動，因爲時間域一般是在後面用LSTM等等進行處理，如下圖所示。
文本
CNN也可以用在文字處理上，比如文本情感分析。具體不再講，可以看李宏毅老師的視頻。
圖片生成
Deep Dream的方法還是不能畫出圖片，不過也有其它較爲成功的方法，如下圖所示。
Github（github.com）：@chouxianyu
Github Pages（github.io）：@臭鹹魚
知乎（zhihu.com）：@臭鹹魚
博客園（cnblogs.com）：@臭鹹魚
B站（bilibili.com）：@絕版臭鹹魚
微信公衆號：@臭鹹魚
轉載請註明出處，歡迎討論和交流!