你的问题有点笼统。创造力的一些例子以及它是如何实现的（在所有这些例子中都有一个通过监督学习训练的普通卷积网络，但应用方式不同）：

• Google Deep Dream 使用对图像的反向传播将图像调整为卷积层中的最大激活。结果，它在图像中找到了很多“东西”并增强了它们：

  

• 生成对抗网络使用两个竞争网络（生成器和鉴别器）从训练流形生成样本：

  

• 神经风格方法通过卷积层激活的 Gram 矩阵捕获一张图像的风格，并使用特殊的损失函数训练（另一个）神经网络，该损失函数最小化与传入图像（内容）和 Gram 矩阵（风格）的联合距离。结果：