神经网络入门——生成随机图片

本文，构造16个神经网络，并用这16个神经网络，绘制16幅图片。

其实，主要目的，是继续入门神经网络。

工具/原料

1
建立一个神经网络：
a = NetChain[{30, Sin, 3, Tanh, 3, Cos}, "Input" -> 2];
这个神经网络的作用是：
接收一个2元向量v、
自动延展为30元的向量v0、
Sin作用于v0的每一个元素，得到新的向量v1、
把v1变成3元向量v2、
Tanh作用于v2的所有元素，得到v3、
Cos作用于v3、
输出v4。
2
用上面的神经网络a，复制出16个随机的神经网络，并初始化：
as = Table[ NetInitialize[a,
Method->{"Random","Weights"->3,"Biases"->2}], 16];
3
给出若干个二元向量的集合：
m= Range[0, 20, 0.04]
n = Tuples[m, 2]
可以看到，n是若干二元向量的集合。
4
用as里面的第一个神经网络作用于n，可以得到一个三元向量的集合：
as[[1]][n]
5
对上面的数据进行以下操作，可以转化为500*360的彩色图像的数据：
Partition[as[[1]][n],500]
下图是放大2倍的效果。
6
运行一次，就会得到不同的图片。
Partition[as[[1]][n],500]
7
如果把m改一下：
m= Range[0, 2, 0.004];n = Tuples[m, 2];
那么，Partition[as[[1]][n],500]//Image也变了。
8
用as里面的前4个神经网络来处理数据n，得到的图片如下：
四幅图片，而且运行一次，就会发现变化。
END

经验内容仅供参考，如果您需解决具体问题(尤其法律、医学等领域)，建议您详细咨询相关领域专业人士。