这篇文章给大家介绍如何用TensorFlow生成令人惊艳的分形图案，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都做网站、网站制作、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的嵊泗网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

今天来介绍一个小项目：在TensorFlow中生成分形图案。分形本身只是一个数学概念，与机器学习并无太大关系，但是通过分形的生成，我们可以了解怎么在TensorFlow中进行数学计算，以及如何进行基本的流程控制，是学习TensorFlow的一个非常好的练手项目。

在开始之前，需要说明的是，TensorFlow官方也提供了一个生成分形图案的教程(地址：  www.tensorflow.org/tutorials/mandelbrot)，然而官方教程中生成的图像实在是太丑了，而且只能生成一种图案，我对官方的代码做了一些改进，并且加入了多种类型的分形，此外，不仅可以生成图像，还可以制作gif动画。

Mandelbrot集合

Mandelbrot集合是分形中最经典的一个例子。考虑迭代公式z_{n+1}=z_{n}^2 +  c(z和c都是复数)。当z_0为0时，得到的值可以组成一个数列，依次为c,  c^2+c,(c^2+c)^2+c……。当该数列发散到无穷时，对应的点就属于Mandelbrot集合。

如c=0 时，显然数列永远是0，并不发散，因此0不属于Mandelbrot集合。

又如c=3i 时，对应的数列为3i, -9+3i, 63-51i, 1431-6477j….  ，数字越来越庞大，因此3i就属于Mandelbrot集合。

在二维平面上，将所有不属于Mandelbrot集合的点标记为黑色，将所有属于Mandelbrot集合的点按照其发散速度赋予不同的颜色，就可以得到Mandelbrot的经典图像：

上面这张图完全是使用TensorFlow进行计算的，类似的图大家应该在网上也见过好多了，在TensorFlow中，我们定义下面的计算步骤：

xs = tf.constant(Z.astype(np.complex64)) zs = tf.Variable(xs) ns = tf.Variable(tf.zeros_like(xs, tf.float32)) with tf.Session():     tf.global_variables_initializer().run()     zs_ = tf.where(tf.abs(zs) < R, zs**2 + xs, zs)     not_diverged = tf.abs(zs_) < R     step = tf.group(         zs.assign(zs_),         ns.assign_add(tf.cast(not_diverged, tf.float32))      for i in range(ITER_NUM): step.run()     final_step = ns.eval()     final_z = zs_.eval()

zs就对应我们之前迭代公式的z，而xs就对应迭代公式中的c。为了方便起见，只要计算时数值的绝对值大于一个事先指定的值R，就认为其发散。每次计算使用tf.where只对还未发散的值进行计算。结合ns和zs_就可以计算颜色，得到经典的Mandelbrot图像。

Julia集合

Julia集合和Mandelbrot集合差不多，但这次我们固定c，转而计算发散的z的值。即c是固定的常数(可以任取)，数列变成z,z^2+c,(z^2+c)^2  +c,…..。如果该数列发散，对应的z就属于Julia集合。对此，我们只要在原来的程序中修改两行内容，就可以生成Julia集合：

xs = tf.constant(np.full(shape=Z.shape, fill_value=c, dtype=Z.dtype)) zs = tf.Variable(Z)

我们在fill_value=c处指定了Julia集合中的c值，只要使用不同的c值，就可以生成完全不同的Julia集合!

默认：c = -0.835 – 0.2321i ：

将c值变为c = -0.8 * 1j ，并调整颜色(调整方法参考Github页面的说明)：

选用c=0.285 + 0.01i ，图案又变得完全不同：

生成Julia集合的动画

在Julia集合中，每次都对c的值进行微小的改变，并将依次生成图片制作为gif，就可以生成如下所示的动画，对应的代码为julia_gif.py：

这里由于上传gif有大小限制的关系，只展示了一个小尺寸的动画图像。程序中提供了一个width参数，可以修改它以生成更大尺寸，质量更高的动画图像。

探索Mandelbrot集合

(注意：下面的图片可能对密集恐惧症患者不太友好。。。因此慎重翻页。。)

在前面生成的Mandelbrot集合中，我们可以将图像放大，选取某些区域进行生成，就可以得到格式各样造型迥异的分形图案，对应的程序为mandelbrot_area.py。

在Mandelbrot集合中，有很多地方图案比较奇特，如下图中的9个位置。

其中编号为2的地方被称为“Elephant  Valley”，因为此处的图案与大象很像，直接运行mandelbrot_area.py就可以得到该区域的图像：

编号为3的地方被称为“Triple Spiral  Valley”(三重螺旋)，在mandelbrot_area.py修改一下坐标位置为(ratio调整的是颜色)：

start_x = -0.090  # x range end_x = -0.086 start_y = 0.654  # y range end_y = 0.657 width = 1000 ratio1, ratio2, ratio3 = 0.2, 0.6, 0.6

就可以得到该处的图案：

***编号为1的地方被称为“Seahorse Valley”(海马山谷)，对应的坐标为：

start_x = -0.750  # x range end_x = -0.747 start_y = 0.099  # y range end_y = 0.102 width = 1000 ratio1, ratio2, ratio3 = 0.1, 0.1, 0.3

图像如下，确实和海马有一点神似：

生成更多的图案

项目提供了两个jupyter  notebook：Mandelbrot.ipynb和Julia.ipynb可以对Mandelbrot集合、Julia集合做更方便的探索。

关于如何用TensorFlow生成令人惊艳的分形图案就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。

网页标题：如何用TensorFlow生成令人惊艳的分形图案
分享路径：http://pwwzsj.com/article/jgdesh.html