我正在研究各种样式转换模型，我注意到它们的分辨率都有限（例如，在Pixel 3上运行时，不能超过1,024x1,024，否则不能超过OOM）。
我注意到一些应用程序（例如this app）似乎在进行样式转换，最多可显示约10MP张图像，这些应用程序还显示进度条，我想这意味着它们不仅会调用整个图像的单一tensorflow“运行”方法，否则他们将不知道要处理多少。
我猜他们正在使用某种平铺方式，但是天真地将图像分割为256x256会产生不一致的样式（不仅仅是在边框上）。
由于这似乎是一个显而易见的问题，我试图找到有关此的任何出版物，但找不到任何出版物。我想念什么吗？
谢谢！
答案 0 :(得分：0)
我猜想人们会将模型分成多个模型（对于VGG，它很容易手动完成，例如通过图层），然后使用model_summary Keras函数（或基准）来估算每个步骤所需的相对时间，从而提供指导进度条。这种分离可能还节省了内存，因为tensorflow lite可能不够聪明，以至于在不需要它们时，可以重用存储来自较低层的中间激活的内存。