这是基于Pytorch的图片风格迁移教程源码，对其进行了逐句对照解析以便于理解。 详情请搜索博文：【Pytorch代码】神经风格迁移Pytorch教程代码 逐句解析

基于Python语言，在PyCharm软件下编写。利用VGG模型进行图像风格转换，实现了界面可视化，可直接在界面上导入本地图片（内容图与风格图），并进行参数设置，然后进行图像风格的转换。界面操作简单，代码注释清晰，且包含完整的论文。

.: data ippicv tiny_dnn xfeatures2d ./data: 7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat ./ippicv: 4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822.tgz ./tiny_dnn: adb1c512e09ca2c7a6faef36f9c53e59-v1.0.0a3.tar.gz ./xfeatures2d: boostdesc vgg ./xfeatures2d/boostdesc: 0ae0675534aa318d9668f2a179c2a052-boostdesc_lbgm.i 0ea90e7a8f3f7876d450e4149c97c74f-boostdesc_bgm.i 202e1b3e9fec871b04da31f7f016679f-boostdesc_binboost_064.i 232c966b13651bd0e46a1497b0852191-boostdesc_bgm_bi.i 324426a24fa56ad9c5b8e3e0b3e5303e-boostdesc_bgm_hd.i 98ea99d399965c03d555cef3ea502a0b-boostdesc_binboost_128.i e6dcfa9f647779eb1ce446a8d759b6ea-boostdesc_binboost_256.i ./xfeatures2d/vgg: 151805e03568c9f490a5e3a872777b75-vgg_generated_120.i 7126a5d9a8884ebca5aea5d63d677225-vgg_generated_64.i 7cd47228edec52b6d82f46511af325c5-vgg_generated_80.i e8d0dcd54d1bcfdc29203d011a797179-vgg_generated_48.i

提示fatal error: boostdesc_bgm.i: No such file or directory 的错误所需要的 boostdesc_lbgm 和 vgg_generated 文件

VGG_imagenet.npy，亲测有效，需要的大家可以下载下来用

博客地址：https://blog.csdn.net/wen_fei/article/details/80261047 人脸识别源代码，包括使用opencv、dlib和cnn实现的人脸检测、opencv实现的人脸对齐以及vgg-face的人脸特征提取等，最后余弦函数计算相似度，并提供flask部署代码，可以放在服务器上远程调用

vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 不太好下 公开出来

包含 opencv 320 需要的vgg_generated_48.i vgg_generated_64.i vgg_generated_80.i vgg_generated_120.i

VGG_ILSVRC_16_layers_fc_reduced.h5文件，用于ssd keras模型，考虑到国内没有搜到该资源，我来当当搬运工

从官网下载的Deeplab-v2中vgg和resnet的模型文件，包括caffemodel以及prototxt