DeepDream

随着科技越来越发达，许多复杂的事情都得到了简化，就连合成照都不再需要自己动手合成。如今网络上已有许多的合成网站，但Ostagram 却是现在最热门的合成网站哦。Ostagram 是一个使用DeepDream 算法（ DeepDream 是 Google 基于人工神经网络创建的软件，能够以极高的精度分析图像）的俄罗斯网站，它可以将两张随机选择的照片组合起来，创造出迷幻震撼的效果哦！来看看Ostagram 高超的技术吧！ 狐狸 + 彩绘 人 + 龟裂土地 猫 + 雕像 人 + 诡异图 狮子 + 火 龙 + 浓烟 漫画 + 血腥画 猫 + 浓烟 人 + 柠檬草地 巷子 + 漂亮街道 人 + 石头 风景 + 油画 人 + 猫头鹰 动物 + 浓烟 怪物 + 时钟 人 + 画像 猫头鹰 + 浓烟 猫+ 抽象画 松鼠 + 火 真的超酷的！只要随便上传两张照片，Ostagram 就会自动合成超有艺术感又具震撼力的照片哦！你想尝试玩玩看吗？ 来源： oschina 链接： https://my.oschina.net/u/4339497/blog/4273184

作者：Longway Date：2020-04-25 来源： 单图像三维重建、2D到3D风格迁移和3D DeepDream 项目网址： http://hiroharu-kato.com/projects_en/neural_renderer.html 代码网址：https://github.com/hiroharu-kato/neural_renderer 论文名称：Neural 3D Mesh Renderer(CVPR2018) 概述 对于二维图像背后的三维世界建模，哪一种三维表示最合适?现在常见的表示方法有点云、体素和网格，其中多边形网格具有良好的紧致性和几何性质。但是使用神经网络直接由多边形网格生成图像比较困难，因为光栅化的过程阻止了反向传播。因此，作者提出了一个近似的梯度栅格化，使渲染集成到神经网络。使用这个渲染器，可以执行带有轮廓图像监督的单图像三维网格重建，并且该系统比现有的基于体素的方法更好。此外，作者还首次在2D监督下执行基于梯度的3D网格编辑操作，如2D到3D风格迁移和3D DeepDream。 简介 从二维图像理解三维世界是计算机视觉的基本问题之一。人类在大脑中使用视网膜上的图像来模拟3D世界，机器也可以通过在2D图像背后显式地建模3D世界来更智能地工作。从3D世界生成图像的过程叫做渲染，这在计算机视觉里面非常重要。哪种3D表示方法是最适合建模3D世界

【推荐阅读】微服务还能火多久？>>> There are a lot of steps here but they're very straightfoward. I pulled my AMD card out this afternoon after work, installed the Nvidia GPU, and had Deep Dream up and running in a short time. Take your time, explicitly follow each step, and you should be good to go. I'm running Linux Mint 17, which is built from Ubuntu 14.04 LTS. I'm also working with Python 2.7. If you are on a different version then change the file path for caffe accordingly. THIS PART IS ONLY NECESSARY IF YOU HAVE A COMPATIBLE GPU. IF NOT GO TO "INSTALLING CAFFE" You will need an Nvidia GPU with compute

某厂面试归来，发现自己落伍了！>>> TensorFlow 入门 介绍 TensorFlow 如何工作 声明变量和张量 使用占位符和变量 使用矩阵 声明操作符 实现激活函数 使用数据源 其他资源 TensorFlow 的方式 介绍 计算图中的操作 对嵌套操作分层 使用多个层 实现损失函数 实现反向传播 使用批量和随机训练 把所有东西结合在一起 评估模型 线性回归 介绍 使用矩阵逆方法 实现分解方法 学习 TensorFlow 线性回归方法 理解线性回归中的损失函数 实现 deming 回归 实现套索和岭回归 实现弹性网络回归 实现逻辑回归 支持向量机 介绍 使用线性 SVM 简化为线性回归 在 TensorFlow 中使用内核 实现非线性 SVM 实现多类 SVM 最近邻方法 介绍 使用最近邻 使用基于文本的距离 使用混合距离函数的计算 使用地址匹配的示例 使用最近邻进行图像识别 神经网络 介绍 实现操作门 使用门和激活函数 实现单层神经网络 实现不同的层 使用多层神经网络 改进线性模型的预测 学习玩井字棋 自然语言处理 介绍 使用词袋嵌入 实现 TF-IDF 使用 Skip-Gram 嵌入 使用 CBOW 嵌入 使用 word2vec 进行预测 使用 doc2vec 进行情绪分析 卷积神经网络 介绍 实现简单的 CNN 实现先进的 CNN 重新训练现有的 CNN 模型 应用

人工智能越来越渗透到我们的日常生活中了。比如之前新闻报道，人工智能产生的艺术品在佳士得(Christie’s)的赞助下登上了世界拍卖的舞台，这不仅仅证明人工智能具有创造性，还可以创作出世界级的艺术品。 想成为艺术家吗？想知道如何利用AI创作艺术吗？如何用人工智能打造卢浮宫级别的艺术品？这里有生成AI艺术的奇妙小工具，人人都是达芬奇！快来开开眼界吧！ 国外最受欢迎的 AI 艺术类工具： nway ML——简单，又无需代码的一款AI工具，可以使用机器学习模型创造更多创意艺术品。 Magenta——一个开源研究项目，探索机器学习在创作过程中作为工具的作用。 GANBreeder ——使用 GANBreeder 衍生出两个图像以创建更加新奇的图像。 Processing——灵活的软件速写本和语言，用于学习如何在视觉艺术的背景下进行编程。 包括p5js（Java处理）和Processing.py（Python处理）。 [处理过程不使用AI，而是视觉艺术的绝佳工具]。 ml5.js —— ml5.js 旨在通过互联网让广大艺术家、编程人员和学生群体，可以通过机器学习激发、创作更多创意作品。 音乐/声音类 AI 工具: Magenta Studio ——基于 Magenta 的开源工具和模型，构建的音乐插件合集。 AI Duet ——可以与你一起互动的钢琴演奏。 NSynth Sound

TensorFlow 入门 介绍 TensorFlow 如何工作 声明变量和张量 使用占位符和变量 使用矩阵 声明操作符 实现激活函数 使用数据源 其他资源 TensorFlow 的方式 介绍 计算图中的操作 对嵌套操作分层 使用多个层 实现损失函数 实现反向传播 使用批量和随机训练 把所有东西结合在一起 评估模型 线性回归 介绍 使用矩阵逆方法 实现分解方法 学习 TensorFlow 线性回归方法 理解线性回归中的损失函数 实现 deming 回归 实现套索和岭回归 实现弹性网络回归 实现逻辑回归 支持向量机 介绍 使用线性 SVM 简化为线性回归 在 TensorFlow 中使用内核 实现非线性 SVM 实现多类 SVM 最近邻方法 介绍 使用最近邻 使用基于文本的距离 使用混合距离函数的计算 使用地址匹配的示例 使用最近邻进行图像识别 神经网络 介绍 实现操作门 使用门和激活函数 实现单层神经网络 实现不同的层 使用多层神经网络 改进线性模型的预测 学习玩井字棋 自然语言处理 介绍 使用词袋嵌入 实现 TF-IDF 使用 Skip-Gram 嵌入 使用 CBOW 嵌入 使用 word2vec 进行预测 使用 doc2vec 进行情绪分析 卷积神经网络 介绍 实现简单的 CNN 实现先进的 CNN 重新训练现有的 CNN 模型 应用 StyleNet 和