风格迁移
本期做一个笔者认为神奇的实现，将一张真实的照片加入名画的风格生成一张新的照片。
论文地址：A Neural Algorithm of Artistic Style
首先介绍两个前置知识点，VGG和迁移学习
VGG
结构可以看成由CNN和FC组成，CNN（本期我们只会用到这一部分）又由五个Block组成：k个CNN3X3 + MaxPool。本期使用图中的E，VGG19。
迁移学习 导入已经训练好的模型参数来训练我们自己的模型，Pytorch使用迁移学习非常方便。
论文浅析
论文前半部分描述了实践和理解，确实可以做出比较理想的结果，但是笔者私以为数学支撑比较薄弱。
所以笔者直接从章节Methods开始说：
- 首先，整个图片融合过程有三张图片：1、实际照片（下称p），2、名画（下称s），3、融合1和2的生成照片（下称x）。
- 融合分两步：1、x和p在vgg的某几层使用Mean Squared Error来计算loss，2、x和s的矫正就有些微不同，论文中将图片降维后使用Matrix来存放各自特征，然后使用Mean Squared Error来计算loss。
- 最后，上述所有loss相加后BP。
这里需要注意一点：整个训练流程VGG、p、s一直不变，只有x的参数在随BP更新
代码实现
首先提取已训练好的vgg参数来构建我们的模型
加载VGG19并导入已训练好的参数，行60， 65
而我们的模型构建就非常简单了，行40~55
Style Loss
图片的提取和保存点我查看，这里不在详述。
优化函数使用的LBFGS，代码：
结果
梵高-星空
毕加索
