详细内容或原文请订阅后点击阅览
使用 Eage Execution 和 Keras 进行神经风格转换
继续我们的关于将 Keras 与 TensorFlow Eager Execution 相结合的系列文章，我们展示了如何以简单的方式实现神经风格转换。基于这个易于适应的示例，您可以轻松地对自己的图像执行风格转换。
来源:RStudio AI博客如果 Edvard Munch 画了你的暑假照片，它们会是什么样子？（也许最好不要知道）。让我们举一个更令人欣慰的例子：如果一幅美丽的、概括性的河流风景画是由葛饰北斋画的，会是什么样子？
图像的风格迁移并不是什么新鲜事，但当 Gatys、Ecker 和 Bethge（Gatys、Ecker 和 Bethge 2015）展示了如何通过深度学习成功做到这一点时，它得到了推动。主要思想很简单：通过同时优化以最大程度地与两者相似，创建一个在我们想要操纵的内容图像和我们想要模仿的风格图像之间进行权衡的混合体。
(Gatys、Ecker 和 Bethge 2015) Gatys、Ecker 和 Bethge 2015 内容图像 样式图像如果您已经阅读了《使用 R 进行深度学习》中有关神经样式转换的章节，您可能会认出后面的一些代码片段。但是，有一个重要的区别：这篇文章使用了 TensorFlow Eager Execution，允许使用命令式编码方式，从而可以轻松地将概念映射到代码。就像本博客上之前关于 Eager Execution 的文章一样，这是一个 Google Colaboratory 笔记本的移植版，可在 Python 中执行相同的任务。
使用 R 进行深度学习 Eager Execution Google Colaboratory 笔记本与往常一样，请确保您已安装所需的软件包版本。无需复制代码片段 - 您可以在 Keras 示例中找到完整的代码。
Keras 示例先决条件
本文中的代码依赖于几个 TensorFlow R 包的最新版本。您可以按如下方式安装这些软件包：
install.packages(c("tensorflow", "keras", "tfdatasets"))
install.packages(c("tensorflow", "keras", "tfdatasets"))
install.packages(c("tensorflow", "keras", "tfdatasets"))
install.packages
c
"tensorflow"
"keras"
"tfdatasets"
您还应确保运行的是最新版本的 TensorFlow (v1.10)，您可以按如下方式安装：
library(tensorflow)install_tensorflow()
library(tensorflow)install_tensorflow()
库（tensorflow）
库