我正在尝试建立神经风格转移模型，我正在中型网站上关注此文章
“ https://medium.com/tensorflow/neural-style-transfer-creating-art-with-deep-learning-using-tf-keras-and-eager-execution-7d541ac31398”
但输出图像完全失败
我正在使用vgg19模型。
我曾尝试将学习率更改为100。 1.0的学习率给出了全黑的图像。
内容和样式损失权重也已调整，内容损失权重= 100样式权重= 10
def content_loss（input_img，content_img）：
“”返回内容丢失
内容损失= 0.5 *（input_img-content_img）^ 2
input_img =生成的图像
content_img =原始内容图像
“”
input_img = tf.reshape（input_img，[input_img.shape [1]，input_img.shape [2]，input_img.shape [3]]）
损失= -tf.reduce_mean（tf.square（content_img-input_img））
损失= tf.reshape（损失，（1,1））
回损
def gram_matrix（input_mat）：
“”返回语法矩阵
*克矩阵是矩阵的点积，用于计算特征图之间的相似度
*将矩阵转换为向量的高度和宽度
*点积将导致尺寸为nxn的矩阵，其中n为否。的功能图
“”
＃ 长度宽度
lw = input_mat.shape [1] * input_mat.shape [2]
渠道= input_mat.shape [3]
＃重塑向量以将其转换为向量
向量= tf.reshape（input_mat，[lw，通道]）
gram_matrix = tf.matmul（tf.transpose（vector），vector）
＃通过将像素强度除以宽度进行归一化
返回gram_matrix / tf.cast（input_mat.shape [0]，dtype = tf.float32）
def style_loss（input_img，style_img）：
“”返回样式丢失
*样式损失是样式图像和生成的图像的gram矩阵的均方差，
input_img =生成的图像
style_img =原始样式图片
“”
＃计算语法矩阵
style_gram = gram_matrix（style_img）
input_gram = gram_matrix（input_img）
＃计算损失
style_l = -tf.reduce_mean（tf.square（style_gram-input_gram））
style_l = tf.reshape（style_l，（1,1））
返回style_l
如果您需要更多详细信息，请发表评论。谢谢。
输出图像：