问题标签 [style-transfer]

我今天在训练风格转移神经网络时保存格式遇到了很大的麻烦。

我觉得任务已经解决了，我只需要保存我的模型并再次加载它。但我找不到合适的方法来做到这一点。

我使用来自 github 的以下代码来训练风格转移网络：

https://github.com/nikhilagrawal2000/Neural-Style-Transfer-with-Eager-Execution/blob/master/Neural_Style_Transfer_with_Eager_Execution.ipynb

我已经成功地训练了网络。

现在，我使用以下行保存了模型：

不过，为了应用保存的神经网络，我需要使用 .ckpt 格式的网络。

有人能告诉我如何在 h5 和 .ckpt 之间切换数据格式吗？

或者是否有针对keras的特定保存方法，所以我可以将其保存为.ckpt？(--> 伪代码：model.save_cpkt("/tmp/nst/test.ckpt")

如果有人可以向我解释，我会非常高兴，我现在尝试了几个小时没有成功。

我正在尝试使用keras 内置训练和评估循环中描述的方法复制快速风格迁移论文（见上图）

我在理解如何使用自定义损失类来做到这一点时遇到问题（见下文）。

为了计算损失成分，我需要以下内容：

• y_hat，生成的图像得到

• target_style_gram这是静态的，所以我可以从中获取一次target_style_features并缓存，(_,target_style_features) = VGG(y_s)
• x，InputImage（同y_cContentTarget）得到(target_content_features, _) = VGG(x)

我发现我正在对损失类中的很多东西进行猴子修补tf.keras.losses.Loss，以便得出这些值并最终执行损失计算。target_content_features对于需要输入图像的情况尤其如此，这是我通过的y_true，但这显然是一种黑客行为

我也尝试在 中预先计算y_true，tf.data.Dataset但是虽然它eager execution在model.fit()

我对这个问题有完全错误的方法吗？

我对在 tensorflow 1.15.0 中保存和恢复模型感到有点沮丧。我想在 jupyter notebook / google colab notebook 环境中实现它。该应用程序是图像的风格转换。

我只是想保存模型并恢复它，以便为大量图像应用样式转换。

tensorflow 文档有点混乱，（我没有找到这方面的例子），所以我从来不知道正确的语法是什么样的。

我现在正处于我想要实现一件事的地步：

1. 正确恢复模型。

我现在将编写相关行：

当我想恢复模型时，我使用命令：

我该如何解决这个问题，并正确加载我的检查点文件？谢谢

谷歌 colab 项目在这里：

https://colab.research.google.com/drive/12hTitoQ2-tH8pYEsfMDR5jtsg8a96PgC

尝试运行托管在 Colab 上的 Tensorflow 团队的任意图像样式化示例代码时，我不断收到此错误。

这是代码。（如本笔记本所示，第 5 块给出了错误）。

这是错误消息：

谁能解释一下问题是什么以及解决方法？提前致谢。

请帮忙！

我已经开始使用谷歌步骤从那里完成一项任务： https ://www.tensorflow.org/tutorials/generation/style_transfer

一切都适用于谷歌存储的演示图像，但如果我开始用我自己的图片做同样的工作 - 结果就不那么相关了。

我试图从具有确切使用模型的代码中打开一个 URL，我看到这个模型存储 https://tfhub.dev/google

但是有很多模型。我怎样才能得到一个合适的？

我试图通过模型蛮力，但得到了很多不合适的模型，甚至不适合这种类型的任务。

请帮助我解决方案 - 我怎样才能获得或什么是正确的方法来搜索适合此任务的模型？

我为 Style Transfer 训练了一个模型，并在 1000 张图像上对其进行了训练。我为每 1000 张图像保存了模型，还保存了变换网络的最终权重。现在我希望将它保存为模型，以便我可以在应用程序中使用它，但没有一个搜索给我一个明确的答案如何做到这一点。

但它给了

我是初学者，我已经尝试了好几天。请告诉您是否需要更多信息。我想保存模型，以便我可以将它用于 android studio 来制作应用程序。

笔记本位于“ https://www.kaggle.com/starktony45/fast-neural-style ”

我想在 for 循环中运行图像样式转换。问题如下：每次迭代都比前一次花费更长的时间。为什么呢？我刚刚阅读了另一个主题，其中有人建议使用占位符来处理内容图像。但是我已经使用了它，它仍然没有改变行为。修改以下代码行，源代码来自：https ://github.com/hwalsuklee/tensorflow-fast-style-transfer

这是我的程序的相关代码：

我在上面代码中调用的函数写在这里：

控制台的输出如下：

我知道这是一个难题，这对 TensorFlow 的细节来说太“深入”了。

我试图在组合两个不同的图像时获得新图像，以进行风格转移。我有两张图片（一张是目标，另一张是样式）。我想从他们两个那里得到一个新的。

当我想在这个函数中使用combinatin_image时：

我正在处理一个错误'NoneType' object has no attribute 'type'。

我尝试更改combinatin_image (combination_image = preprocess_image(new_image_path)) 但我有一个新错误：

我正在使用 Keras 进行图像样式转移，但我陷入了通过平均像素移除零中心的部分

最后一部分（通过平均像素删除零中心），我在谷歌上搜索但找不到类似的方法。103.939、116.779 和 123.68 --> 我无法使用图像的平均值计算这些数字。

为什么会有“BGR”？他们不应该在一开始就处于“RGB”吗？

我正在关注关于神经风格迁移的教程。风格转移是通过最小化图像的损失函数来完成的（用内容图像初始化）。让我感到困惑的是以下代码：

这是类中call方法的一部分StyleContentModel。TensorFlow 是如何知道这个操作的梯度的？我已经检查了这个操作是否get_gradient_function在模块tensorflow.python.framework.ops中使用了渐变函数，据我所知没有。