风格转移火炬
在PyTorch中实现神经风格转换(),支持CPU和Nvidia GPU。 它会自动进行多尺度(从粗到细)样式化,以生成高质量的高分辨率样式化,如果GPU有足够的内存,甚至可以达到打印分辨率。 如果有两个GPU,则它们都可以用来提高最大分辨率。 (使用两个GPU并不比使用一个GPU快。)
该算法已通过以下方式从文献中进行了修改:
使用PyTorch预训练的VGG-19砝码代替原始的VGG-19砝码
将VGG-19第一层的填充模式更改为“复制”,以减少边缘伪像
使用平均值池或L2池时,请根据经验得出的因子对结果进行缩放,以确保结果的幅度平均保持不变(Gatys等人(2015年)未执行此操作)
使用MSE损失的近似值,使其内容和样式损失的梯度L1范数约为1(以近似梯度归一化的效果,从而产生更好的视觉质量)
通过每个特征图通道中的元素数量而不是元素总数(Johnson等人)
1