风格迁移

中文版 pytorch
1

https://zh-v2.d2l.ai/chapter_computer-vision/neural-style.html

2

上个图，对比原图看一下效果
原图（600x333）：
image
处理后(450x300)：
image

1 Like
3

请问您是怎么保存的output的图片？是使用d2l.plt.savefig吗？，能否分享下您的jupyter

1 Like
4 
def compute_loss(X, contents_Y_hat, styles_Y_hat, contents_Y, styles_Y_gram):
    # 分别计算内容损失、风格损失和全变分损失
    contents_l = [content_loss(Y_hat, Y) * content_weight for Y_hat, Y in zip(
        contents_Y_hat, contents_Y)]
    styles_l = [style_loss(Y_hat, Y) * style_weight for Y_hat, Y in zip(
        styles_Y_hat, styles_Y_gram)]
    tv_l = tv_loss(X) * tv_weight
    # 对所有损失求和
    l = sum(10 * styles_l + contents_l + [tv_l])
    return contents_l, styles_l, tv_l, l

请问这里 l = sum(10 * styles_l + contents_l + [tv_l]) 为什么要乘10, 将style_weight*10 可以吗

5

have the same question

6

Macbook M1芯片：只有指定的device不同的情况下，出现了不一样的结果，将问题贴图在这，望大佬解惑。

device = mps & device = cpu
device = mps & device = cpu1236×1412 326 KB

7

看样子你是没有清空输出就直接跑了，看style content loss的值，感觉是再跑完cpu后接着跑mps的，相当于网络没有清空参数继续训练了500个epoch，你看tv loss反而开始上升了，就感觉是过拟合了

8

我和你一样问题，感觉是pytorch在m1的gpu芯片上有不少bug。

9

为什么我初始化合成图像以后，为什么第一轮epoch的内容损失是0？

10

autumn-oak
autumn-oak1717×1200 399 KB

本节所用图片原图如上，书中其他图像下载链接 d2l-zh/img at master · d2l-ai/d2l-zh (github.com)

11

rainier
rainier1920×1280 275 KB

第二张图

12

Figure_2
Figure_21000×500 162 KB

我的生成图片中有彩色雪花我就不明白了

13

是不是少了全变分损失？感觉就是噪点啊，或者你改过啥参数content_weight, style_weight, tv_weight = 1, 2e3, 10

14

损失函数就是三类损失的总和，每个损失可以分配不同的权重，这里的10和content_weight, style_weight, tv_weight = 1, 1e3, 10这行代码的权重共同组成风格损失的权重，可能是方便后续调整参数比例，专门把这个10 提取出来。把这个10返回去乘以style_weight 让他等于1e2应该是一样的效果