如本教程所述，我目前正在寻求了解神经传递。 https://pytorch.org/tutorials/advanced/neural_style_tutorial.html
也许我对cnn的理解还不是很深入，但是我不理解如何从分类模型中生成图像。例如，在代码中，他们从VGG cnn中提取图层，并使用这些图层来计算样式和内容损失。我能理解如何将{input}：layer：{output}与{content}：layer：{output}进行比较以获得分数，但是没有意义的是返回生成图像的模型。
我认为任何世代模型的工作方式都像翻译模型。您可以在其中输入示例，并学习如何对输入进行编码和解码为另一种语言。
但是，使用此CNN，我似乎无法理解他们在何处添加此解码步骤？由于此CNN仅用于分类，因此不需要额外的图层来使图像变形吗？
由conv图层返回的要素图是否总是与输入图像中的形状相同？它们是否将样式模型返回的特征与内容模型返回的特征相结合，并使用它们来生成图像？
另外请注意，我在某处读取了生成的图像作为随机噪声开始的信息？我不明白如何从随机噪声中绘制任何特征。