干货 | 如何用TensorFlow生成令人惊艳的分形图案

2017 年 9 月 11 日 AI科技评论 何之源

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，代码已经放到了Github上：https://github.com/hzy46/tensorflow-fractal-playground，主要的程序只有50行，欢迎大家参考。

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,1431-6477i......，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=-0.8i ，并调整颜色（调整方法参考Github页面的说明）：

选用 c=0285+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

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。其中，Mandelbrot集的更多坐标位置可以参考Quick Guide to the Mandelbrot Set（http://www.nahee.com/Derbyshire/manguide.html），Julia集中更多有趣的c值可以参考Julia set - Wikipedia（https://en.wikipedia.org/wiki/Julia_set#Quadratic_polynomials）。网上类似的资源还有很多。

最后再安利一下项目地址：https://github.com/hzy46/tensorflow-fractal-playground。如果代码有什么问题可以直接发在评论里或者在Github上提出issue：）

————— 给爱学习的你的福利 —————

3个月，从无人问津到年薪30万的秘密究竟是什么？答案在这里——崔立明授课【推荐系统算法工程师-从入门到就业】3个月算法水平得到快速提升，让你的职业生涯更有竞争力！长按识别下方二维码（或阅读原文戳开链接）抵达课程详细介绍~