样式迁移¶
Note
样式迁移需要两张输入图像，一张是内容图像，一张样式图像，我们将使用神经网络修改内容图像，使其在样式上接近样式图像。
方法¶
首先，初始化合成图像，例如将其初始化为内容图像。该合成图像是样式迁移中唯一需要更新的变量，即模型的参数。
然后，我们选择一个预训练的卷积神经网络来抽取图像的特征，其中的模型参数在训练中无须更新。
下图中第二层输出内容特征，第一层和第三层输出样式特征。
接下来，通过正向传播（实线箭头）计算样式迁移的损失函数，并通过反向传播（虚线箭头）迭代模型参数，即不断更新合成图。
样式迁移的损失函数由三部分组成：1.内容损失，2.样式损失，3.有助于减少合成图中噪点的总变差损失。
