使用Tensorflow创建自己的Prisma

原文发自： February 17, 2017

引入

最近人工智能图片滤镜软件Prisma 非常的火，这款图片处理的App 综合了人工 神经网络 技术（neural networks）和人工智能技术，可以获取著名绘画大师和主要流派的艺术风格，然后对照片进行智能风格化处理，将图片转化为艺术化的效果。

• 原文网站链接：http://www.kejilie.com/leiphone/article/FFJnYz.html
• GITHUB项目链接：https://github.com/harry19902002/image-style-transfor

安装及环境

• OS：Win10
• Python：3.5.2
• Anaconda：Anaconda 3 – 4.2.0
• Tensorflow：tensorflow-cpu-0.12，tensorflow-gpu-0.12（支持windows版本）
• GPU：NVIDIA GeForce GT 735M（特别注意：该显卡不支持CUDA加速运算，所以只能使用CPU运行改程序）

下载项目

• GITHUB项目链接：https://github.com/harry19902002/image-style-transfor

下载VGG19网络模型

VGG19网络模型是由牛津视觉几何组（Visual Geometry Group）开发的卷积神经网络结构，它在视觉方面有着不错的表现，项目中也需要用到VGG19网络模型。

• 下载地址： http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

将其下载到项目目录中即可，项目结构如下：

开始转换（运行程序）

准备工作基本已经就绪。我们将原始图片以及需要学习风格的图片分别放到项目目录中的Content以及Style文件夹中，但在Linux和Windows环境上有些不同。Linux环境：

python neural_style.py --content 原始图片文件名 --styles 风格图片文件名 --out 生成图片文件名

例：python neural_style.py --content ContentFile.jpg --styles StyleFile.jpg --out OutFile.jpg

经过一段时间的处理我们可以在out文件夹中找到转换的文件OutFile.jpg

原始图片示例：

转换后的风格图片:

Win10环境下：

在Anaconda3集成环境中Jupyter QtConsole的命令窗口中，输入如下命令。（注意：首先需要导入python os package，然后使用os.chdir更改当前工作目录到指定的路径，改路径下就是下载的项目所在文件夹，最后使用%run 命令代替python命令运行程序）

进阶修改

当然项目中还有很多其他参数可以摸索，可能会将图片优化的更漂亮。比如：

--iterations    修改迭代次数（默认为1000）
--content_weight   照片权重
--style_weight  风格图片权重
--learning_rate  学习步长

更多的参数可以通过输入如下代码进行查看：

python neural_style.py --help

使用GPU进行转换

在进行完成上述步骤之后，就可以在自己的计算机上使用CPU进行转换自己的图片了。但是由于计算速度的原因，使用CPU处理图片过程比较缓慢（我的CPU：Intel(R) Core(TM) i5-3337 CPU @ 1.8GHz，在进行默认的1000次迭代输出时，频率能够带到2.47GHZ，并且CPU利用率100%的情况下，需要花费8个小时才能转换一张图片），所以尝试开启GPU进行图片处理。

链接见：