深度有趣（1）-风格迁移

这几天看完了张宏伦的《深度有趣》，确实很有趣。

不过近期鉴于需要，仅做关于视觉的总结。

1.图像风格迁移

本质：以前是根据输入和损失函数，来确定权重。不过这个思路有点不一样，根据权重和损失，来确定输入。

这个原理多想一下就可以理解的。（关于输入和自变量的置换。本来就是人为认定的。）

连接：https://zhuanlan.zhihu.com/p/44165451

模型：vgg19在imagenet上训练过的参数。

损失函数：内容损失和风格损失的加权。

    内容损失：待输入图像和内容图像的conv4-2的输出直接做差。然后归一化。

    风格损失：分别求输入图像和风格图像的某一层的通道相关性（gram矩阵）。

   例如：其解释性为：假如取的是conv1-1的的输出，这gram矩阵，表示每张图像和其他图像的相关性。

然后gram矩阵做差平方，最后归一化。

关于tensorflow使用的感悟：assign仅仅只是做了赋值的工作，只有optimizer才会执行更新variable的操作。

【这个模型训练很快，很快就可以出结果了】。