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

#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。