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。
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：
最后编号为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
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
本文作者：何之源
来源：51cto