风格迁移+pytorch+python实现

最新推荐文章于 2025-03-15 22:20:18 发布

原创

最新推荐文章于 2025-03-15 22:20:18 发布 · 844 阅读

5 ·

CC 4.0 BY-SA版权

本文详细介绍了如何使用PyTorch进行风格迁移，涉及内容包括风格迁移的基本原理、相关软件如PyTorch和Python的介绍、硬件如Tesla显卡的简介，以及算法如VGG19网络模型、CNN和Gram矩阵等。通过构建内容损失和风格损失函数，利用梯度下降方法进行图像优化。最后，通过实际代码展示了如何训练模型并将风格应用到输入图像上，生成具有特定风格的艺术作品。

风格迁移

风格迁移简介
平台介绍
- 相关软件
- 相关硬件
相关算法
- 网络架构
- 算法
代码

风格迁移简介

平台介绍

代码

导入所需包及设备

from __future__ import print_function

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

from PIL import Image
import matplotlib.pyplot as plt

import torchvision.transforms as transforms
import torchvision.models as models

import copy
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

加载图像
导入图像后，需要将图像大小调整为相同尺寸同时将图像的矩阵转换成tensor（这个相当于是numpy，二者的区别就在于tensor可以在GPU上运行而numpy只能在CPU上运行）。最后可以测试一下二者的size。
完成统一后还需要做向PIL image的转变，这个转变就是将输出的结果去掉通道这一项参数。

# desired size of the output image
imsize = 512 if torch.cuda.is_available() else 128  # use small size if no gpu

loader = transforms.Compose([
    transforms.Resize([imsize,imsize]),  # scale imported image
    transforms.ToTensor()])  # transform it into a torch tensor

def image_loader(image_name):
    image = Image.open(image_name)
    # fake batch dimension required to fit network's input dimensions
    image = loader(image).unsqueeze(0)
    return image.to(device, torch.float)
    
style_img = image_loader("image/picasso.jpg")
content_img = image_loader("image/dancing.jpg")

print(style_img.size())
print(content_img.size())

unloader = transforms.ToPILImage()  # reconvert into PIL image

plt.ion()

def imshow(tensor, title=None):
    image = tensor.cpu().clone()  # we clone the tensor to not do changes on it
    image = image.squeeze(0)      # remove the fake batch dimension
    image = unloader(image)
    plt.imshow(image)
    if title is not None:
        plt.title(title)
    plt.pause(0.001) # pause a bit so that plots are updated

plt.figure()
imshow(style_img, title='Style Image')

plt.figure()
imshow(content_img