（二）风格迁移——代码

想看原理的可以看这篇文章：https://blog.csdn.net/weixin_41108515/article/details/103650964

本文主要参考：https://blog.csdn.net/weixin_41108515/article/details/103651784

一、效果

在正式开始前，先看看效果。
风格图：（style文件中的painting.jpg）
我想要进行风格迁移的图：（content中的qd.jpg）

效果图：（output文件夹里）

二、实操

在看完成果之后，我们开始进入实操部分。

1.获取模型
网盘：链接:https://pan.baidu.com/s/1Z3TvZvGUyTsMGQoaQv4kdQ 密码:xgwc

下载完成后，将其拖入工程文件中

2.写代码
2.1 我们要在工程文件下建名为「style」「content」「output」的文件夹，这些文件夹与代码文件的位置如图

2.2 正式写代码

新建models.py

import tensorflow as tf
import numpy as np
import settings
import scipy.io
import scipy.misc


class Model(object):
    def __init__(self, content_path, style_path):
        self.content = self.loadimg(content_path)  # 加载内容图片
        self.style = self.loadimg(style_path)  # 加载风格图片
        self.random_img = self.get_random_img()  # 生成噪音内容图片
        self.net = self.vggnet()  # 建立vgg网络

    def vggnet(self):
        # 读取预训练的vgg模型
        vgg = scipy.io.loadmat(settings.VGG_MODEL_PATH)
        vgg_layers = vgg['layers'][0]
        net = {
   }
        # 使用预训练的模型参数构建vgg网络的卷积层和池化层
        # 全连接层不需要
        # 注意，除了input之外，这里参数都为constant，即常量
        # 和平时不同，我们并不训练vgg的参数，它们保持不变
        # 需要进行训练的是input，它即是我们最终生成的图像
        net['input'] = tf.Variable(np.zeros([1, settings.IMAGE_HEIGHT, settings.IMAGE_WIDTH, 3]), dtype=tf.float32)
        # 参数对应的层数可以参考vgg模型图
        net['conv1_1'] = self.conv_relu(net['input'], self.get_wb(vgg_layers, 0))
        net['conv1_2'] = self.conv_relu(net['conv1_1'], self.get_wb(vgg_layers, 2))
        net['pool1'] = self.pool(net['conv1_2'])
        net['conv2_1'] = self.conv_relu(net['pool1'], self.get_wb(vgg_layers, 5))
        net['conv2_2'] = self.conv_relu(net['conv2_1'], self.get_wb(vgg_layers, 7))
        net['pool2'] = self.pool(net['conv2_2'])
        net['conv3_1'] = self.conv_relu(net['pool2'], self.get_wb(vgg_layers, 10))
        net['conv3_2'] = self.conv_relu(net['conv3_1'], self.get_wb(vgg_layers, 12