神经风格转换在PyTorch中的实现：style-transfer-pytorch

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）