neural_style的使用-人人都是艺术家

1. 首先需要安装Python环境，

我安装的是Python3.6

地址：https://www.python.org/downloads/windows/
根据自身电脑配置选择不同的版本进行下载
安装选择自定义安装，勾选所有的选项

下一步默认全选就好了

图片是网上找的，下面两项也勾选，下面选择指定安装的文件夹

安装完成后，配置环境变量 python的路径

以及pip的环境变量，一般在Scripts文件夹下

添加到path中

2. 安装Python 第三方库

方式一：

也可以选择Anaconda地址：https://www.anaconda.com/download/
很多科学计算的library已经集成好了(不仅包含numpy,还有sklearn, pandas等等)。python2.7 python3.4都有。（没有试验过）

方式二

传统的方式安装，一个一个安装的比较麻烦（已试验）
首先根据你的python版本和你电脑的bit数来选择wheel文件。为了能够安装wheel，你需要首先安装wheel这个包。进入cmd里面输入
pip install wheel
安装成功后会在python安装的Scripts目录下生成wheel.exe文件

安装成功后下载相应的wheel文件，进行安装
首先安装numpy
下载地址http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

我的python安装的是3.6电脑是64位，所以选择最下面的这一项，根据需要自行选择即可
然后在cmd里面移动到该文件存放的地方，（一般都放在Scripts文件夹下）输入
pip install numpy-1.13.1+mkl-cp36-cp36m-win-amd64.whl 即可
红字根据自己下载的文件名进行替换，安装numpy+mkl的好处是会减少你安装scipy的阻力。

然后安装scipy
同样的方式在 http://www.lfd.uci.edu/~gohlke/pythonlibs/#Scipy 下载

同样按照自己的情况进行选择，下载完成之后放在Scripts下，在cmd里移动到该文件夹下，输入

pip install scipy-0.19.1-cp36-cp36m-win_amd64.whl 

进行安装 同样根据自身情况修改后缀

接下来安装Python图像处理库PIL

检测是否安装PIL：在python命令行输入import PIL

表示没有安装PIL模块，如果是python版本是2.7
自行百度安装PIL库

3.x安装Pillow即可，非常简单，在命令行输入
pip install Pillow 即可安装

接下来安装tensorflow
在命令行输入
pip install tensorflow

安装chainer

地址 http://www.lfd.uci.edu/~gohlke/pythonlibs/#Chainer 下载

在命令行输入

pip install chainer-1.24.0-cp36-cp36m-win_amd64.whl

同样的根据不同的版本替换后缀
环境全部安装完毕！

3.开始进行图像转换

1.首先clone 代码

git clone https://github.com/anishathalye/neural-style

2.下载vgg19模型
地址，（速度非常慢）
http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
下载完成之后将模型放在neural-style的文件夹根目录下，如图

执行：
把想要转化的图片放在example文件夹下，在cmd里切换到neural_style目录，执行

python neural_style.py --content ./examples/1in.jpg --styles ./examples/1-style.jpg --output ./examples/1out.jpg

第一张图片表示想要转换的图片，第二张图片表示模仿其风格的模板图片，第三张图片表示转换生成的图片的名称
运行时间非常的长，可能是我的电脑配置不太行

还有一种快速的方法：
chainer-fast-neuralstyle是neural-style高效版本，运行效率大大提升
载入源码，终端输入

git clone --recursive https://github.com/yusuketomoto/chainer-fast-neuralstyle

载入更多模型，终端输入

git clone --recursive https://github.com/gafr/chainer-fast-neuralstyle-models

①复制chainer-fast-neuralstyle-models\images\目录下所有含有style字样的图片到neural_style\examples\目录下，增加neural_style可用的模板集；
②复制chainer-fast-neuralstyle-models\models\目录下所有model到chainer-fast-neuralstyle\models\目录下，增加chainer-fast-neuralstyle可用的模型；

打开cmd 切换到chainer-fast-neuralstyle根目录执行

python generate.py sample_images/1.jpg -m models/candy_512_2_49000.model -o sample_images/1out.jpg

第一张是想要装换的图片，第二张是models的类型，第三张是转换生成的图片的名称
最后放一下效果

慢版的效果：

原始图片

转换的模板图

转换后的效果图

快版的效果

原始图

转换后的效果图

你也可以选择其他的名画进行风格转换，全部结束，主要是相关的环境配置比较恶心。

参考链接：
python下安装numpy
https://www.zhihu.com/question/29521273

neural_style github 链接
https://github.com/anishathalye/neural-style

图像风格转换实验
http://blog.csdn.net/wopawn/article/details/52781426

文件Python扩展包
http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

windows上安装tensorflow
http://blog.csdn.net/u013713117/article/details/54616460