内容摘要：易于使用的神经风格迁移框架 pystiche。将内容图片与艺术风格图片进行融合，生成一张具有特定风格的新图，这种想法并不新鲜。早在 2015 年，Gatys、 Ecker 以及 Bethge 开创性地

易于使用的图像神经风格迁移框架 pystiche。

将内容图片与艺术风格图片进行融合，风格生成一张具有特定风格的迁移新图，这种想法并不新鲜。框架早在 2015 年，使用Gatys、编写 Ecker 以及 Bethge 开创性地提出了神经风格迁移(Neural Style Transfer ，美兼NST)。容外

不同于深度学习，行也目前 NST 还没有现成的图像库或框架。因此，风格新的迁移 NST 技术要么从头开始实现所有内容，要么基于现有的框架方法实现。但这两种方法都有各自的使用缺点：前者由于可重用部分的冗长实现，限制了技术创新；后者继承了 DL 硬件和软件快速发展导致的编写技术债务。

最近，新项目 pystiche 很好地解决了这些问题，虽然它的核心受众是研究人员，但其易于使用的用户界面为非专业人员使用 NST 提供了可能。

pystiche 是一个用 Python 编写的 NST 框架，基于 PyTorch 构建，站群服务器并与之完全兼容。相关研究由 pyOpenSci 进行同行评审，并发表在 JOSS 期刊 (Journal of Open Source Software) 上。

论文地址：https://joss.theoj.org/papers/10.21105/joss.02761

项目地址：https://github.com/pmeier/pystiche

在深入实现之前，我们先来回顾一下 NST 的原理。它有两种优化方式：基于图像的优化和基于模型的优化。虽然 pystiche 能够很好地处理后者，但更为复杂，因此本文只讨论基于图像的优化方法。

在基于图像的方法中，将图像的像素迭代调整训练，来拟合感知损失函数(perceptual loss)。感知损失是 NST 的核心部分，分为内容损失(content loss)和风格损失(style loss)，这些损失评估输出图像与目标图像的匹配程度。与传统的风格迁移算法不同，感知损失包含一个称为编码器的多层模型，这就是 pystiche 基于 PyTorch 构建的原因。

如何使用 pystiche

让我们用一个例子介绍怎么使用 pystiche 生成神经风格迁移图片。首先导入所需模块，网站模板选择处理设备。虽然 pystiche 的设计与设备无关，但使用 GPU 可以将 NST 的速度提高几个数量级。

模块导入与设备选择：

import torch import pystiche from pystiche import demo, enc, loss, ops, optim print(f"pystiche=={ pystiche.__version__}") device = torch.device("cuda" if torch.cuda.is_available() else "cpu") 

输出：

pystiche==0.7.0 

多层编码器

content_loss 和 style_loss 是对图像编码进行操作而不是图像本身，这些编码是由在不同层级的预训练编码器生成的。pystiche 定义了 enc.MultiLayerEncoder 类，该类在单个前向传递中可以有效地处理编码问题。该示例使用基于 VGG19 架构的 vgg19_multi_layer_encoder。默认情况下，它将加载 torchvision 提供的权重。

多层编码器：

multi_layer_encoder = enc.vgg19_multi_layer_encoder() print(multi_layer_encoder) 

输出：

VGGMultiLayerEncoder(   arch=vgg19, framework=torch, allow_inplace=True   (preprocessing): TorchPreprocessing(    (0): Normalize(      mean=(0.485, 0.456, 0.406),      std=(0.229, 0.224, 0.225)     )   )  (conv1_1): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu1_1): ReLU(inplace=True)  (conv1_2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu1_2): ReLU(inplace=True)  (pool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)  (conv2_1): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu2_1): ReLU(inplace=True)  (conv2_2): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu2_2): ReLU(inplace=True)  (pool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)  (conv3_1): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu3_1): ReLU(inplace=True)  (conv3_2): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu3_2): ReLU(inplace=True)  (conv3_3): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu3_3): ReLU(inplace=True)  (conv3_4): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu3_4): ReLU(inplace=True)  (pool3): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)  (conv4_1): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu4_1): ReLU(inplace=True)  (conv4_2): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu4_2): ReLU(inplace=True)  (conv4_3): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu4_3): ReLU(inplace=True)  (conv4_4): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu4_4): ReLU(inplace=True)  (pool4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)  (conv5_1): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu5_1): ReLU(inplace=True)  (conv5_2): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu5_2): ReLU(inplace=True)  (conv5_3): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu5_3): ReLU(inplace=True)  (conv5_4): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))  (relu5_4): ReLU(inplace=True)  (pool5): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False) ) 

感知损失

pystiche 将内容损失和风格损失定义为操作符。使用 ops.FeatureReconstructionOperator 作为 content_loss，直接与编码进行对比。如果编码器针对分类任务进行过训练，如该示例中这些编码表示内容。对于content_layer，选择 multi_layer_encoder 的较深层来获取抽象的内容表示，而不是许多不必要的细节。

content_layer = "relu4_2" encoder = multi_layer_encoder.extract_encoder(content_layer) content_loss = ops.FeatureReconstructionOperator(encoder) 

pystiche 使用 ops.GramOperator 作为 style_loss 的基础，源码下载通过比较编码各个通道之间的相关性来丢弃空间信息。这样就可以在输出图像中的任意区域合成风格元素，而不仅仅是风格图像中它们所在的位置。对于 ops.GramOperator，如果它在浅层和深层 style_layers 都能很好地运行，则其性能达到最佳。

style_weight 可以控制模型对输出图像的重点——内容或风格。为了方便起见，pystiche 将所有内容包装在 ops.MultiLayerEncodingOperator 中，该操作处理在同一 multi_layer_encoder 的多个层上进行操作的相同类型操作符的情况。

style_layers = ("relu1_1", "relu2_1", "relu3_1", "relu4_1", "relu5_1") style_weight = 1e3 def get_encoding_op(encoder, layer_weight):     return ops.GramOperator(encoder, score_weight=layer_weight) style_loss = ops.MultiLayerEncodingOperator(     multi_layer_encoder, style_layers, get_encoding_op, score_weight=style_weight, ) 

loss.PerceptualLoss 结合了 content_loss 与 style_loss，将作为优化的标准。

criterion = loss.PerceptualLoss(content_loss, style_loss).to(device) print(criterion) 

输出：

PerceptualLoss(  (content_loss): FeatureReconstructionOperator(    score_weight=1,    encoder=VGGMultiLayerEncoder(      layer=relu4_2,      arch=vgg19,      framework=torch,      allow_inplace=True    )  )  (style_loss): MultiLayerEncodingOperator(    encoder=VGGMultiLayerEncoder(      arch=vgg19,      framework=torch,      allow_inplace=True  ),  score_weight=1000  (relu1_1): GramOperator(score_weight=0.2)  (relu2_1): GramOperator(score_weight=0.2)  (relu3_1): GramOperator(score_weight=0.2)  (relu4_1): GramOperator(score_weight=0.2)  (relu5_1): GramOperator(score_weight=0.2)  ) ) 

图像加载

首先加载并显在 NST 需要的目标图片。因为 NST 占用内存较多，故将图像大小调整为 500 像素。

size = 500 images = demo.images()  content_image = images["bird1"].read(sizesize=size, devicedevice=device) criterion.set_content_image(content_image) 

内容图片

style_image = images["paint"].read(sizesize=size, devicedevice=device) criterion.set_style_image(style_image) 

风格图片

神经风格迁移

创建 input_image。从 content_image 开始执行 NST，这样可以实现快速收敛。image_optimization 函数是为了方便，也可以由手动优化循环代替，且不受限制。如果没有指定，则使用 torch.optim.LBFGS 作为优化器。

input_image = content_image.clone() output_image = optim.image_optimization(input_image, criterion, num_steps=500) 

【本文是专栏机构“机器之心”的原创译文，微信公众号“机器之心( id: almosthuman2014)”】 

戳这里，看该作者更多好文