前言

由于我不太会pr，所以直接新建的项目，

原项目地址：https://github.com/Optimistism/Style-transfer

原项目代码的讲解地址：https://www.bilibili.com/video/BV1yY4y1c7Cz/

本项目是对原项目的一点点完善。

项目地址：https://github.com/Knighthood2001/Style-transfer

更新

• 2024-08-03 更新：这个项目，是不能保存模型参数的，也就是说，你只能通过训练，得出图片，而不能直接进行推理。

项目如何运行

1. 下载项目
   这个比较简单，直接在github上下载zip包，然后解压即可。或者使用git clone命令克隆项目。
2. 安装依赖

• 这里由于我没有用到虚拟环境，无法准确得出需要用的包，大致就是torch和我requirements.txt中的包。
• 安装命令
  安装torch的话，会比较慢

pip install -r requirements.txt

• 这里需要注意，需要安装tensorboard，作者给出的并没有这个，但是如果没有这个，你是查看不了运行结果的。

3. 运行项目

• 首先就是运行代码
• 然后的话，它会去https://download.pytorch.org/models/vgg19-dcbb9e9d.pth 去下载vgg19的预训练权重，这个文件大概548mb。
  由于我这里不知道pytorch如何加载这个文件，因此，大家可以自己下载这个文件，或者将我这个文件，放到你代码运行后，它给出的那个路径下。可以看下面我更改部分第一点的第二张图片，运行代码会给出最终下载的路径的。
• 然后想要看到tensorboard中的数据，就在终端输入

tensorboard --logdir=runs

然后点击浏览器，输入localhost:6006
点击这里也可以

后续你跑自己的图片，只需要在main.py中修改content_img和style_img即可。

更改

1. 更新了vgg19传参
   最开始会报这个警告
   

使用这行代码后

# self.vgg = models.vgg19(pretrained=True).features  # .features用于提取卷积层
self.vgg = models.vgg19(weights=VGG19_Weights.IMAGENET1K_V1).features

这行代码，会去自动下载官网的vgg19预训练权重，548mb，下载还是很慢的。我下载这个花了30分钟。

我这里由于文件太大，无法上传到github，因此，大家可以自己下载这个文件。

不会警告了

2. 添加了content_weight参数，更加符合其公式要求

loss = content_weight * content_loss + style_weight * style_loss

3. 运行代码后提示报错

RuntimeError: Input type (torch.FloatTensor) and weight type
 (torch.cuda.FloatTensor) should be the same or input should 
 be a MKLDNN tensor and weight is a dense tensor

当模型的权重（weights）和输入数据（inputs）不在同一个设备上时。

这个命令报错表示你的模型权重被移动到了CUDA设备上（即GPU），但是你的输入数据还在CPU上。

因此，具体做法是，将输入数据也移动到device中，它将根据你代码中的变换，自动选择设备。

# 图片输入到gpu，否则就会报错
content_img = content_img.to(device)
style_img = style_img.to(device)

4. 添加了日志记录

在main.py的最开始，添加了一些代码，主要就是设置了日志，并且以时间命名，方便后续将结果保存到日志中，方便查看。免得你自己去创建txt进行cv。

可以看到，这里也会有时间，你可以通过看日志，计算训练的时间。

实际体验

我本机是1650的显卡，跑3000轮，花了20分钟。

原图

结果图

梵高风的狗头自拍图

2999轮的结果

6000轮的结果

效果其实还不错