在Python中使用Tensorflow进行神经风格迁移

翻译原文地址

在现代高科技世界中，深度学习以不同的方式用于实现特定领域的特定目标。世界各地的工程师和开发人员使用AI算法进行维护，网络安全，数学解决方案，客户服务等。

图像识别和分类并不是很困难的工作，多亏了这些世界级的算法例如Inception、ResNet等。但是在今天，我将要进行讨论的是需要更少处理器能力的算法，但却有更神奇的效果展示给你只要有好的数据集和预处理的情况。带有多种技术的Tensorflow 实现让我们有能力合成带有特殊风格的原始图片。

让我们从安装依赖开始吧。你们之中有一些人可能没有安装所有需要的依赖，因此，为了确保一切进展顺利，我将从零开始。

P.S. 我是Mac用户，所以我将会在CPU上重新训练网络

我已经使用过几次这个项目了，为了确保我演示给你的是从零开始的，我将所有的工作都放在虚拟环境里来完成（因为我的Mac早就已经安装好所有需要的依赖了）

我将要从安装pip,homebrew,tensorflow,opencv开始。但是，当我安装它们的时候，我将要展示给你安装命令以便于你可以跟着我这样做。这个非常简单，即便你是个新手。

要求

Pip: sudo easy_install pip
Brew: pip install homebrew
Tensorflow: pip install tensorflow
OpenCV: pip install opencv-python
(如果拒绝访问，请使用管理员权限命令“sudo”。例如：sudo pip install homebrew)

在安装完这些依赖以后，使用命令pip freeze来检查环境。

1.png

找一个文件夹，例如桌面，新建一个文件夹，名字就叫deepstyle。用一下命令进入文件夹：
cd Desktop/deepstyle

克隆到仓库

所有依赖都安装完成以后，并且创建了新的文件夹，让我们去githubhttps://github.com/cysmith/neural-style-tf.git下载deepstyle，使用以下命令。
git clone https://github.com/cysmith/neural-style-tf.git

2.png

如果一切进展顺利，那就万事大吉。克隆完仓库后，让我们进入它的目录：
cd neural-style-tf

预训练模型

接下来的一步就是下载预训练的模型。我们将一个图像合成到另一个图像中，正如你所知道的，两张图片对于AI的数据集来说是不够的。让我们去以下的链接：
http://www.vlfeat.org/matconvnet/pretrained/

3.png

我们应该搜索 imagenet VGG-19 预训练模型(imagenet-vgg-verydeep-19)weights.下载它，它的大小是534.9Mb，所以大概要花一小会儿。下载好后，将它移动到项目里(neural-style-tf folder)。

4.png

输入图片和风格图片

这些几乎是所有的工作。现在，我们需要两张图片，提取其中一张图片的风格，并且把这种风格融合到另外一张里面。让我们以一种浪漫的方式保持它并想象：如果Magda Eisenhardt（Quicksilver的母亲）和Henry Allen（The Flash的父亲）相遇就会怎么样。你猜它，让我们合成Flash和Quicksilver的图像。

我将使用Flash的风格，将这种风格融入到Quicksilver中。一个建议：尽可能使用面部的精确图像。如果你正在使用CPU甚至更多，它不是那么强大，神经网络会很难合成它们。因此，可能存在一些不准确之处。

我已经下载了一些图片，我将在下面展示给你。

5.png

将下载的图片复制到项目里面。你使用的输入图片应该拷贝到“image_input”里面

6.png

所有的风格图片应该复制到文件家“styles”里面

7.png

训练（再训练）

当这一切都准备就绪之后，让我们运行以下命令：
确定你在neural-style-tf目录下面：
bash stylize_image.sh ./image_input/quicksilver.png ./styles/theflash.png
这个命令代表的是：bash stylize_image.sh .// .//
按回车键，它会要求你安装需要的依赖，输入y，然后再按回车键确认。