图像的风格迁移其实就是利用相关算法对一些著名画作的风格进行学习，然后再把这种风格应用到我们熟悉的图片中。该技术最早由 Gatys 等人 提出，并且将算法应用于他们所发布的软件 Prisma 中。由于该技术不像传统的图像处理软件一般直接对像素进行操作，而是采用神经网络相关算法模拟名家的绘画风格。因此，在软件发布之初，就吸引了上千万的融资。本实验将对该篇论文中的风格迁移技术进行详细的讲解，并且利用 PyTorch 对其进行实现。 下图为本实验最终的结果展示图： 从上图可以看出，我们模型的数据由两张原始图片（即内容图像和风格图像）和一张合成的新图像组成。 其中内容图像是一个可爱的小孩纸，而风格图像是具有浓浓的和式水墨风格的图像。

在学习完该课程后，你可以对任意一张图片进行分割迁移。

先学课程

• Notebook 环境使用指南

课程难度

• 简单

适合人群

• 适合有 Python 基础和 HTML 基础的人群。