fast style transfer 快速风格转换 train

本文介绍了快速风格转换的训练过程,采用单批次训练,每轮仅使用一张图片,并利用Adam优化器和固定学习率进行优化。训练过程大约在1000次迭代时耗时15分钟。
摘要由CSDN通过智能技术生成

原文链接: fast style transfer 快速风格转换 train

上一篇: fast style transfer 快速风格转换 model

下一篇: fast style transfer 快速风格转换 test

单批次训练

每次只使用一张图片进行训练,在训练中显示中间结果和保存网络模型

使用adam优化器,固定学习率

训练比较耗费时间,1000次大概十五分钟

train

import matplotlib.pyplot as plt
from model import *
import data
from tensorflow.python.framework import graph_util
from config import *
import scipy.misc as sm


def main():
    iterator = data.get_iterator()
    image_batch = iterator.get_next()
    style_images = [
        sm.imread(path, mode='RGB')
        for path in STYLE_IMAGE_PATHS
    ]

    test_images = [
        sm.imresize(sm.imread(path, mo
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值