神经网络系统画画——在windows下实现
2017-06-06 22:02
281 查看
原理:我们需要将图像x通过学习y的风格,得到图像z,则我们需要定义一个函数描述z和x内容的差异,另一个函数描述z和y风格的差异,然后优化z。具体而言
![](https://img-blog.csdn.net/20170606214030728?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvenNoX2hlaGU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
Alpha, Beta是权重系数,p是真实图片photograph,a是艺术风格artwork,x是我们的制造的图片。Total loss 是 content loss和 style loss的加权。
换句话说,art style的核心问题有两个:两个图像在内容上像不像、两个图像在风格上像不像。
下面直接介绍实现操作的过程:
1.安装好anaconda:
https://www.continuum.io/downloads#windows
需要注意的是自动配置好环境变量
2.安装程序:
https://github.com/anishathalye/neural-style
在这个网页中有写好的程序
3.下载(训练好的)神经网络mat文件:
http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
放到第二步程序文件夹
4.创建虚拟环境,在cmd命令行下输入:
conda create –name tensorflow python=3.5
之所以需要用到3.5,是因为tensorflow 不支持3.6,所以需要在代码中强调)如果使用了3.6版本,则无法运行 tensorflow
5.创建完虚拟环境后,安装一些辅助包:
科学计算工具集:conda install SciPy
图像处理库:conda install Pillow
科学计算基础库:conda install NumPy
6.最后一步:
打开至程序所在文件夹,cmd开启虚拟环境:activate tensorflow
执行:python neural_style.py –content content.jpg –styles style.jpg –output output.jpg
(其中content.jpg是目录下的原图,style.jpg是目录下的效仿风格图,output.jpg是最终多次iteration后输出的成品图)
其后就是漫长的等待,当然为了加快速度(降低画质),可以在上述命令中规定iteration的次数(iteration=100之类的)
下面给大家看一下iteration 1000次(跑了我整整两天)的效果图:
加载原图:
![](https://img-blog.csdn.net/20170606215045609?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvenNoX2hlaGU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
风格转换图:
![](https://img-blog.csdn.net/20170606215133625?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvenNoX2hlaGU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
成品图:
![](https://img-blog.csdn.net/20170606215209609?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvenNoX2hlaGU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
有关报错:
由于我电脑上python2、3双版本并存(分别用python2,python3命令启动),在安装好anaconda后将python.exe 改为 python3.exe,因此造成了执行conda命令时报错:failed to create process.这时需将Anaconda3文件目录下的python3.exe名称改回原先的python.exe,就可以正常运行了。
Alpha, Beta是权重系数,p是真实图片photograph,a是艺术风格artwork,x是我们的制造的图片。Total loss 是 content loss和 style loss的加权。
换句话说,art style的核心问题有两个:两个图像在内容上像不像、两个图像在风格上像不像。
下面直接介绍实现操作的过程:
1.安装好anaconda:
https://www.continuum.io/downloads#windows
需要注意的是自动配置好环境变量
2.安装程序:
https://github.com/anishathalye/neural-style
在这个网页中有写好的程序
3.下载(训练好的)神经网络mat文件:
http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
放到第二步程序文件夹
4.创建虚拟环境,在cmd命令行下输入:
conda create –name tensorflow python=3.5
之所以需要用到3.5,是因为tensorflow 不支持3.6,所以需要在代码中强调)如果使用了3.6版本,则无法运行 tensorflow
5.创建完虚拟环境后,安装一些辅助包:
科学计算工具集:conda install SciPy
图像处理库:conda install Pillow
科学计算基础库:conda install NumPy
6.最后一步:
打开至程序所在文件夹,cmd开启虚拟环境:activate tensorflow
执行:python neural_style.py –content content.jpg –styles style.jpg –output output.jpg
(其中content.jpg是目录下的原图,style.jpg是目录下的效仿风格图,output.jpg是最终多次iteration后输出的成品图)
其后就是漫长的等待,当然为了加快速度(降低画质),可以在上述命令中规定iteration的次数(iteration=100之类的)
下面给大家看一下iteration 1000次(跑了我整整两天)的效果图:
加载原图:
风格转换图:
成品图:
有关报错:
由于我电脑上python2、3双版本并存(分别用python2,python3命令启动),在安装好anaconda后将python.exe 改为 python3.exe,因此造成了执行conda命令时报错:failed to create process.这时需将Anaconda3文件目录下的python3.exe名称改回原先的python.exe,就可以正常运行了。
相关文章推荐
- 神经网络路径匹配实现GPS轨迹交友的系统及方法
- python在线神经网络实现手写字符识别系统
- Windows系统下实现挂载网络驱动器的Python脚本
- 神经网络实现手写字符识别系统
- 基于深度学习神经网络等机器学习技术实现一个医学辅助诊断的专家系统原型
- 利用windows 2003实现从网络安装系统
- 系统学习机器学习之神经网络(二) --MLP实现及源码分析
- 基于神经网络的2D摄像头的手势识别系统实现(一)
- 基于神经网络的2D摄像头的手势识别系统实现(二)
- 神经网络实现手写字符识别系统
- 神经网络实现手写字符识别系统
- 神经网络路径匹配实现GPS轨迹交友的系统及方法
- 基于AVI的网络视频监控存储系统的实现方法
- Windows 系统自带的几个实用网络工具
- Windows系统没有权限访问网络(原创)
- 实现Windows系统快速一次性打补丁的方法