neural style風格遷移模型實戰

有沒有想過，利用機器學習來畫畫，今天，我將手把手帶大家進入深度學習模型neural style的**實戰當中。

這裡，我選擇了將梵谷的畫風和我們的東北大學的工學館相結合，讓工學館融入了梵谷的星空效果圖，在經過100次的迭代後得到了帶有星空效果的。

另外我們可以嘗試與其他風格結合：

我們可以用這個專案為我們自己的學校做明信片，即使你不會畫畫，也可以製作一些自己風格的等等。

那麼現在我們開始吧。

該專案基於tensorflow框架，這裡我強烈推薦gpu版本，這裡的深度學習模型不像其他的模型，有訓練出來的檔案，而是直接梯度下降進行轉化，cpu的轉化比較慢，因此這裡推薦gpu的tensorflow，依賴cuda和cudnn，cuda依賴7.5版本以上，cudnn選擇對應cuda版本。然後開啟命令列，輸入以下命令：

pip install tensorflow-gpu

如果你安裝過cpu版本的tensorflow，那麼也不用擔心，你只需要在anaconda裡面新搭建乙個環境，這裡不做詳細的解釋，如果大家有疑問可以直接在網路上搜尋具體的安裝方法，如果有問題也可以聯絡我。

當然不一定非得是gpu版本，cpu版本也可以，只是轉換的速度問題。

pip install opencv-python

好了，那麼環境的搭建基本結束，我們開始實戰吧。

在我們的專案**中，我們發現neural_style.py這個檔案，即專門用於轉化風格。

看著應該很讓人眼花繚亂吧，那麼我們進入實戰來了解吧，專案裡面有一些和風格圖，而預設的輸入路徑是image_input,預設的輸出路徑是image_output,預設的風格儲存位址是styles,大家如果把放在相應的位置即可直接執行，如果想放在其他位置則需要更改內容映像的相對或絕對目錄路徑：--content_img_dir。

那麼我們先來實戰一波，這裡我在image_input裡放上來了一張自己的，我起名school.jpg，在styles裡有一張星空的，大家自行選擇，如果放在固定資料夾那就不需要更改映像路徑，也就是content_img_dir這個引數。

定位到專案資料夾，開啟cmd，輸入以下命令：

gpu版本：

python neural_style.py --content_img school.jpg --style_imgs starry-night.jpg --max_size 620 --max_iterations 100 --original_colors --verbose

cpu版本：

python neural_style.py --content_img school.jpg --style_imgs starry-night.jpg --max_size 620 --max_iterations 100 --original_colors --device /cpu:0 --verbose

大家注意到了這兩行**的區別就在於多了乙個--device引數，就是確認使用cpu還是gpu，預設是gpu，如果使用gpu可以不填這個引數，如果是cpu需要填寫。

下面解釋一下常用的引數：--content_img是選擇需要轉換風格的，把放在image_input這個資料夾裡，content_img的引數就是這個資料夾裡的名字，記得加上檔案的字尾。--style_imgs的引數選擇是放在styles資料夾裡面的檔名。--max_size是你選擇需要轉化的最大畫素長度，我不建議使用過大的，大家轉化時可以盡可能縮小大小，windows自帶的**編輯器可以更改，大家檢視畫素大小也很簡單，右鍵->屬性->詳細資訊即可看到的長寬各多少畫素，建議長盡量不要超過1000，不然效能一般的電腦可能會卡住。--max_iterations這個引數是迭代次數，次數過小可能有欠擬合，沒有風格的風格；但是過大有過擬合現象，即原有的失去自己的特徵，建議100-1000，根據自己來定。因為好壞在於個人審美，因此大家可以多匯出幾張選擇自己覺得最適合的。最後的--verbose引數是在命令列是否反饋資料，如果沒有就是命令列沒有任何顯示，建議還是加上。我這裡直接迭代100次，下面是匯出的。

我們發現，這張雖然有了梵谷的畫作星空的油畫特徵，可是顏色卻是自己本來的顏色，那麼如何匯出和風格差不多的顏色呢，這裡就要簡單說明一下上述命令中的--original_colors，這個命令加上後就會讓輸入色彩保留自己的特徵，如果大家想要風格的色彩特徵的話可以直接刪除這個--original_colors，然後再次轉換得出以下：

這是一樣的迭代次數，只是色彩參照不一樣，大家根據自己喜好選取。

這裡需要介紹另乙個引數：--style_imgs_weights,就是權重。比如，我想要有兩種風格的，兩種風格更側重哪個風格，這就是權重。比如我要給一張蒙娜麗莎和中國水墨畫的風格，假設蒙娜麗莎的是mnls.jpg，中國水墨畫的叫china.jpg。那麼我們可以這樣使用：

python neural_style.py --content_img school.jpg --style_imgs mnls.jpg china.jpg --max_size 620 --max_iterations 200 --verbose --style_imgs_weights 0.5 0.5

我對--style_imgs這個引數選擇兩張，名字用空格隔開即可，在--style_imgs_weights這個引數，假如說我希望兩種風格影響一樣，即五五分，那麼我的這個引數在--style_imgs_weights後面直接輸入0.5 0.5，要注意的是權重的引數總和需要為1。

下面一張是蒙娜麗莎風格的：

這張是中國水墨畫風格的：

如下是兩種風格1：1的組合：

1.注意迭代的次數，放止過擬合與欠擬合的現象。

2.好看的一定要選對風格，否則就算擬合的再好，風格不適合也不好看的。

3.選擇的和風格物體大小也會影響輸出。

4.多風格注意風格之間的權重關係。

終歸這是別人的乙個成果，我們只是呼叫了別人的成果，有興趣的建議理解該演算法並且嘗試研究超越該演算法。

neural style風格遷移模型實戰

風格遷移網路

快速風格遷移網路

風格遷移學習 GramMatrix

neural style風格遷移模型實戰

風格遷移網路

快速風格遷移網路

風格遷移學習 GramMatrix

相關推薦