8月2日学习笔记 神经风格转换深度卷积网络代价函数 神经风格转换 神经风格转换的例子 深度卷积网络 越深的网络层能检测更加复杂的模式和特征 代价函数 代价函数J(G) Jcontent是内容代价和Jstyle是风格代价,α和β是两个超参数 al和al代表两个图片C和G在L层的激活函数值,如果这两个激活值相似,意味着两个图片内容相似 风格矩阵 式子前面加不加标准化不是很重要,因为要加超参数