艺术风格转换之《A Neural Algorithm of Artistic Style》

源码地址：https://github.com/fzliu/style-transfer

scipy.optimize.minimize的使用

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

fun目标函数，也即要最小化的函数。

x0初始猜测值。

args可将额外参数传给fun。

method论文使用的是L-BFGS-B。

options为字典形，其中maxiter表示最大迭代次数。

在L-BFGS-B的方法前提下（其它方法可选参数不一样）：

jac表示fun除了要返回loss之外，还要另外返回变量的向量梯度grad。

bounds表示各个变量的范围，形式为列表中的元组。

举一个例子如下：

$$min_x\ \ f(x)=||x||^2$$

$s.t. \ \ \ -5\ <\ x_1\ <5\ ,\ \ 12\ <\ x_2\ <23$

如下图所示：greeting是额外参数，因为jac为True， 所以除了loss还返回了梯度向量2*x。

Loss解释

​

Ltotal(p⃗ ,a⃗ ,x