反向ML模型

Question

目前，我正在通过使用Keras创建一个简单的图像分类器(带有Tensorflow后端)来向自己传授机器学习的基础知识。该模型将(灰度)图像分类为猫或非猫。

我的模型在这个任务上相对较好，所以我现在想看看它是否能够生成图像，并将其归类为猫。

我尝试以一种简单的方式开始这项工作，方法是创建一个与图像形状相同的随机数组，每个索引中都包含随机数：

    from random import randint

    json_file = open('model.json', 'r')
    loaded_model_json = json_file.read()
    json_file.close()
    model = model_from_json(loaded_model_json)
    model.load_weights("model_weights.h5")

    confidence = 0.0
    thresholdConfidence = 0.6

    while confidence < thresholdConfidence:
        img_array = np.array([[[randint(0, 255) for z in range(1)] for y in range(64)] for x in range(64)])
        img_array = img_array.reshape((1,) + img_array.shape)
        confidence = model.predict(img_array)

这个方法显然一点都不好，因为它只是创建随机的东西，并且可能永远运行。该模型能否以某种方式反向运行，告诉它数组是100% cat，并让它预测图像的数组表示是什么？

感谢您的阅读。

这是我在StackOverflow上的第一篇文章，所以如果我做错了什么，请告诉我！

Answer 1

如果您希望生成一种特殊类型的图像，可以使用生成对手网络。这分为两个部分，需要分别进行培训。这两部分是

1. 生成器：创建随机图像的噪声。
2. 鉴别器：向生成器提供有关图像的反馈

您可以参考这里。