图中a_C的值因为时sess.run的情况下,得到的时out确切值,此时a_C不再是变量 是一个确切值,而a_G在这个例子中,则是作为变量值,是一个等于当前out的变量值,当sess.run时才会得到一个确切值。
先定义损失函数J, 其中的J_content,J_style是上方第一张图中的。
train_step设置好了以后,此时sess。run, 并且model中输入了另一张不同的image,意味着,此时第一张图中的out = model[‘conv4_2’]的值变成了新图的值,而不再是之前a_C的值,并且将新的值赋值给了a_G,,最后sess.run(train_step)来进行J的训练,此题model设定的变量是输入的image图片,所以实际是在训练当前image的数据,来让J变小(此题需要注意,在之前a_C中也有sess.run添加的图片,但是这张图片输入进去run了以后就是一个确切值给了a_C而已,并不是能作为一个变量在最后的sess.run(train_step)中进行变量的改变,及之前a_C中输入的图片是一个固定值,不会成为变量梯度下降。)
个人笔记,关于两个图片融合时的细节问题
最新推荐文章于 2022-10-23 23:03:05 发布