个人笔记，关于两个图片融合时的细节问题

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。）