朋友，许多人可能还记得今年四月震惊所有人的黑洞的图像。 我们发现了非常有趣的材料，其中我们将讨论人工智能算法“思考”黑洞图像的方式。 通过翻译该材料，我们继续致力于发布
Python神经网络课程的一系列出版物。 我们警告您，这些资料比提供的更具娱乐性，但是这些图像绝对值得一看。 走吧
4月11日，事件地平线望远镜小组的科学家和工程师在理解外层空间发生的过程方面取得了真正的突破。 他们展示了黑洞的第一张图像（照片）。 这进一步加强了爱因斯坦的广义相对论，即“大质量物体引起时空畸变，并以引力变化的形式反映”的假设。
好吧，我不是了解或解释这是如何工作的物理学家或天文学家，但我像数以百万计从事各个领域工作的人们一样，着迷于空间，尤其是黑洞现象。 黑洞的第一个图像引起了全世界的欢呼。 我是深度学习领域的专家，主要研究卷积神经网络，而人工智能算法“思考”黑洞的图像对我来说变得很有趣。 这就是我们将在本文中讨论的内容。
《大纪元》的摘录
对黑洞的描述如下：“黑洞是由很多物质组成的，这些物质被装在一个很小的空间中，”大部分是由一颗在超新星爆炸中死亡的大恒星的残留物形成的。” 黑洞具有很强的引力场，甚至光线也无法逃脱它。 M87黑洞的最终图像如下所示。
“根据两位天体物理学家如何理解黑洞图像”一文中对此现象进行了很好的解释。
黑洞-M87-事件地平线望远镜
黑洞的不同区域。 Vox视频的屏幕截图-为什么这张黑洞照片如此重要1. CCN在黑洞图像中看到的内容CCN（卷积神经网络）-卷积神经网络-一类深度学习算法，在识别现实世界的对象方面非常有效。 CCN是解释和识别图像的最佳神经网络。 对这种神经网络进行了百万张图片的训练，并识别了周围世界的约1000个不同对象。 我曾想过向两个训练有素的卷积神经网络显示黑洞的图像，看看它们是如何识别的，它周围的世界物体看起来像黑洞。 这不是一个明智的主意，因为黑洞的图像是通过使用特殊设备组合从太空接收到的各种信号而生成的，但是我只是想知道在没有任何其他信号信息的情况下如何解释图片。
VGG-16神经网络预测-匹配
VGG-19神经网络预测-匹配
神经网络预测ResNet-50-蜡烛正如我们在上图中所看到的，训练有素的VGG-16和VGG-19看到一个黑洞是火柴，而ResNet-50则认为这是一支蜡烛。 如果我们对这些对象进行类比，我们将理解这是有道理的，因为燃烧的火柴和蜡烛都具有一个黑暗的中心，周围是密集的明亮黄光。
2.从黑洞的图像中提取的CCN有哪些标志我又做了一件事，我看到了VGG-16中间层生成的内容。 深度学习网络之所以称为深度学习，是因为它们具有一定数量的层，并且每个层都在输入端处理图像的表示形式和特征。 让我们看看网络的不同层从传入图像中学到了什么。 结果非常漂亮。
第一卷积层VGG-16的64个功能卡如果仔细观察，您会发现一个小的明亮区域是一个强烈的信号，并且在通过大多数滤镜后会被吸收。 下面显示了一些有趣的滤镜输出，它们实际上已经看起来像某种天体。
第一卷积层的64张功能卡中的4张
第二卷积层VGG-16的64个功能卡放大神经网络第二层的一些有趣的特征图。
第二个卷积层的64个功能卡中的6个现在我们将更深入地研究第三卷积层。
第三卷积层VGG-16的128个功能卡接近后，我们发现了一个熟悉的模式。
上面在第三层上显示的8个特征图深入研究，我们得到了类似的东西。
128个功能卡中的6个具有4个卷积层VGG-16更深入地讲，我们获得了更高级别的抽象信息，并且当我们可视化卷积的第7、8和10层时，我们只会看到高级信息。
第七卷积层的特征图如我们所见，许多要素图都是黑暗的，只学习识别该类所需的特定高级特征。 在更深的层次上，它们变得更加引人注目。 现在我们放大并看一下一些过滤器。
6张功能卡现在考虑第十卷积层的512个功能卡。
功能卡10个卷积层。现在，您看到在大多数接收到的要素地图中，只有图像区域被接受为要素。 这些是神经元可见的高级信号。 让我们仔细看一下上面的一些功能图。
其中一些功能卡具有10个卷积级别，并且大小有所增加既然我们已经看到CCN试图从黑洞图像中分离出来，让我们尝试将该图像传递给其他流行的神经网络算法，例如Neural Style Transfer和DeepDream。
3.我们尝试在黑洞的图像上进行神经风格转换和深梦神经样式转换是一种智能的神经网络，可以将一个图像的“样式”转换为另一个源图像，并最终创建艺术图像。 如果您仍然不明白，那么下面的图片将解释这个概念。 我使用
deepdreamgenerator.com网站从黑洞的原始图像创建了各种艺术图像。 图片原来很有趣。
传动方式。 使用deepdreamgenerator.com生成的图像DeepDream是由Google工程师Alexander Mordvintsev创建的计算机视觉程序，该程序使用卷积神经网络使用算法对位IDol搜索并改善图像中的模式，从而从经过故意处理的图像中产生致幻图像。
深梦 使用deepdreamgenerator.com生成的图像在有关Deep Dream的
这些视频中 ，您将看到她可以如何产生幻觉图像。
仅此而已！ 当我看到黑洞的第一张照片时，我感到非常震惊，并立即写了这篇小文章。 其中的信息可能没有那么有用，但是在编写过程中创建的图像和上面显示的图像完全值得。 欣赏照片！
在评论中写下如何获得材料。 我们在
“ Python的神经网络”课程
的开放学习中等待大家。