人脸识别和神经风格转换

导入包人脸识别包：

 预期输出:
loss=528.143

 预计输出：

It's younes, welcome home!

Out[10]:

(0.67100745, True)

 

预期输出:
It's not kian, please go away
(0.8580015, False) 

 预期输出:
it's younes, the distance is 0.67100745
(0.67100745, 'younes')

导入神经风格迁移包：

 

 预期输出:
J_content = 6.7655935

 预期输出:
GA = [[ 6.422305 -4.429122 -2.096682]
[-4.429122 19.465837 19.563871]
[-2.096682 19.563871 20.686462]]

练习：计算单层的风格损失。

 预期输出:
J_style_layer = 9.190278

练习：实现总损失函数，其中包括内容损失和风格损失。

 预期输出:
J = 35.34667875478276

练习：现在你有了J_content和J_style，通过调用total_cost()计算总损失J。 使用alpha = 10 和 beta = 40。

 练习：实现model_nn（）函数，该函数初始化tensorflow计算图的变量，将输入图像（初始生成的图像）作为VGG16模型的输入，并运行train_step进行训练步骤。

 预期输出:
Iteration 0 :
total cost = 5050363000.0
content cost = 7877.685
style cost = 126257096.0