PyTorch 1.0 中文官方教程：使用 PyTorch 进行图像风格转换

标签：ORC   strong   use   拷贝   如何   cti   重构   hub   作者   

译者：bdqfork

作者: Alexis Jacq

简介

本教程主要讲解如何实现由Leon A. Gatys，Alexander S. Ecker和Matthias Bethge提出的 Neural-Style 算法。Neural-Style或者叫Neural-Transfer，可以让你使用一种新的风格将指定的图片进行重构。这个算法使用三张图片，一张输入图片，一张内容图片和一张风格图片，并将输入的图片变得与内容图片相似，且拥有风格图片的优美风格。

基本原理

原理很简单：我们定义两个间距，一个用于内容D_C，另一个用于风格D_S。D_C测量两张图片内容的不同，而D_S用来测量两张图片风格的不同。然后，我们输入第三张图片，并改变这张图片，使其与内容图片的内容间距和风格图片的风格间距最小化。现在，我们可以导入必要的包，开始图像风格转换。

导包并选择设备

下面是一张实现图像风格转换所需包的清单。

• torch, torch.nn, numpy (使用PyTorch进行风格转换必不可少的包)
• torch.optim (高效的梯度下降)
• PIL, PIL.Image, matplotlib.pyplot (加载和展示图片)
• torchvision.transforms (将PIL图片转换成张量)
• torchvision.models (训练或加载预训练模型)
• copy (对模型进行深度拷贝；系统包)

from __future__ import print_function

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

阅读全文／改进本文

PyTorch 1.0 中文官方教程：使用 PyTorch 进行图像风格转换

标签：ORC   strong   use   拷贝   如何   cti   重构   hub   作者   

原文地址：https://www.cnblogs.com/wizardforcel/p/10350427.html