1.过程
1.1 输入准备和输出
输入：训练好的神经网络模型，例如Inception-V3模型；
一张需要加工的图片，记做original_image，如下图所示；
输出：经过DeepDream加工之后的图片，如下图所示，记做image。image初始值设置为original_image。
1.2 选定输入的模型的某个（些）层，构造目标函数L
目标函数L是对选定的所有的层，每层求均值，对这些均值再求和。
1.3 计算目标函数L关于图片每个像素的梯度grad(L,image)
计算得到的梯度的维度和图片的维度是相同的。
1.4 根据梯度更新image
image=image+grad(L,image)*learning_rate，普通的SGD是‘减’梯度,这里是‘加’;所以可以理解这里的方向是增加目标函数L。
1.5 重复1.3~1.4直到达到给定的步数
例如100步
2. 原理理解
可以看到上述过程主要步骤是：计算目标函数L对于输入图片的梯度，然后用这个梯度来更新image，更新的方向是使目标函数L增大。
我理解的DeepDream就是根据某个（些）层的输出对于输入（输入的图片）的敏感度（导数的含义）来更新原图片，就是原图片加上模型中提取的某些特征，造成很多奇怪同时看上去有些规律的图片，就像做梦一样（人做梦也是奇怪又有些规律）。