NeuralStyleTransfer:基于VGG19模型的神经风格转换 源码

神经风格转移 基于VGG19模型的神经风格Trnasfer :star: 在GitHub上为这个项目加注星标-它会有所帮助! 是GAN应用程序中最好的例子之一。 它可以改善输入的低分辨率图像的质量。 作为生成器,此GAN使用SRResNet (超高分辨率残留网络)。 为了提供更好的输出图像质量,网络在三种不同的损失函数上进行训练。 表中的内容 评估 您可以在图像上评估经过预训练的超分辨率GAN 。 为此,请使用eval.py 训练 数据库 超分辨率甘练得从STL10数据集torchvision.dataset 。 发电机预热 在训练生成器和鉴别器之前,我们应该在具有像元损失函数的数据集上对Ganarator进行预训练。 有关生成器的预热,请参见“ ”。 鉴别器训练 发电机预热后,我们将对发电机和鉴别器的损失功能进行培训。 生成器损失包括对抗性损失(伪造预测与目标之间的BCE损失),基于模型