D 的个人博客

本文适用于 TensorFlow 新手搭建试玩“图片快速风格迁移”，系统环境：

• Windows 10
• 显卡 NVIDIA GTX 1070

安装 TensorFlow 环境

用 Anaconda 来装环境可以省很多事。

1. 安装 Anaconda，步骤中有两个选项记得勾上（添加 PATH 环境变量和使用 Anaconda 作为 Python 环境）

2. 现在的 Anaconda 似乎已经内置了国内的几个镜像源，所以不用手动切换镜像，用默认配置即可

   如果已经折腾过，可以考虑用如下命令恢复：

   1conda config --remove-key channels
   2conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   3conda config --set show_channel_urls yes
   

3. 如果你像我一样只是个入门玩家（并且平时没装过 Python 环境），那就不用搞 conda 的环境隔离了。直接执行 conda install tensorflow-gpu，然后等待

如果一切顺利的话 Tensorflow 环境就装好了（如果不顺利的话可能多半是网络问题，重试执行下试试）。

目前我用默认参数装好的 TF 版本是 1.14，lengstrom/fast-style-transfer 刚好只能在 TF v1.x 上用。

图片快速风格迁移

克隆仓库，然后下载已经训练好的风格，放到 model 目录下。

弄好以后就可以开始玩了，仓库根目录下执行：

1python evaluate.py --checkpoint model/udnie.ckpt --in-path eval/ --out-path result/

如果报错，请参考报错处理解决。

如果要创建新风格，需要自己训练。先下载训练所需数据：

• imagenet-vgg-verydeep-19.mat
• train2014.zip

不要下其他的，就用 beta16 目录下的，否则后面训练时会报错。新手入门就按部就班吧，别折腾。

下载好后将 train2014.zip 解压到 data 目录下，imagenet-vgg-verydeep-19.mat 直接放到 data 目录下，可参考根目录下的 setup.sh 脚本。

1├─data
2│  │  imagenet-vgg-verydeep-19.mat
3│  │
4│  ├─bin
5│  └─train2014
6│          COCO_train2014_000000000009.jpg
7│          COCO_train2014_000000000025.jpg

然后根目录下执行：

1python style.py --style style/1.jpg --checkpoint-dir checkpoint --content-weight 1.5e1 --checkpoint-iterations 1000 --batch-size 12

大概经过 6 小时以后训练完成，在 checkpoint 目录下生成了模型文件：

1checkpoint
2fns.ckpt.data-00000-of-00001
3fns.ckpt.index
4fns.ckpt.meta

将 fns.ckpt.meta 复制一个，重命名为 fns.ckpt，然后就可以使用评估方法来生成图片了：

1python evaluate.py --checkpoint checkpoint/fns.ckpt --in-path eval/ --out-path result/

报错处理

1. AttributeError: 'module' object has no attribute 'imread'，执行：

   1pip install --upgrade scipy==1.1.0
   

2. ImportError: No module named moviepy.video.io.VideoFileClip，执行：

   1pip install moviepy
   

3. cudaGetDevice() failed. Status: CUDA driver version is insufficient for runtime version，升级显卡驱动就行了
4. tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape，降低 --bach-size 参数就行了，8G 显存的话设置为 12

其他好玩的库

• anishathalye/neural-style

  该仓库的输入是待处理图片 + 风格图片，边训练边生成，优点是方便切换风格，缺点是每次生成大概需要好几分钟。imagenet-vgg-verydeep-19.mat 和 train2014 可以用上面下载好的。

  1python neural_style.py --content examples/test.png --styles examples/style/udnie.jpg --output test-result.jpg
  

• 如果觉得本地搭建 TensorFlow 太麻烦，可以通过 IBM/MAX-Fast-Neural-Style-Transfer（PyTorch）用 Docker 搭建试玩，或者直接在线试玩