PyTorch深度学习实战 | 图像风格迁移（限免视频）( 二 ) PyTorch是当前主流深度学习框架

Gram矩阵本质上是特征的协方差矩阵（只是没有减去均值），表示的是特征与特征（卷积核与卷积核）的相关性。
设由以上方式获得Xl和Yl对应的Gram矩阵Gl和Hl ，风格损失函数定义如下。
其中， Nl和Ml分别为特征图的通道数与边长， ωl为权重。 Gatys等选择了conv1_1,conv2_1,conv3_1,conv4_1,conv5_1用于计算风格损失。
2
●
计算Gram矩阵函数的实现
因为PyTorch传入数据必须以批的形式，传入的input的大小为［batch_size,channels,height,width］。计算Gram矩阵时，先用view方法改变张量的形状，然后再将它与它自己转置进行点积即可。
3
●
风格损失模块的实现
模块在初始化时需要将风格图片的特征图传入并计算其Gram矩阵，通过detach方法告诉AutoGrad优化时不要变更其中的内容。 forward方法实现上面的公式即可。

文章图片
实操可扫码观看（限免3天）
实例讲解
PyTorch深度学习实战
下期预告
深度学习简介
1.计算机视觉
2.自然语言处理
3.强化学习
深度学习框架
4.PyTorch
PyTorch环境搭建
5.PyTorch环境搭建（Linux和Windows平台）
实战篇
6.搭建卷积神经网络进行图像分类
精彩回顾
实战篇
8.基于RNN的文本分类
5
参考书籍
《PyTorch深度学习实战-微课视频版》
数学基础和深度学习知识点与8个完整的实战案例相结合，配有详细的视频讲解，手把手带你通关深度学习。
作者：吕云翔刘卓然主编关捷雄欧阳植昊杨卓谦华昱云陈妙然黎昆昌吕可馨王渌汀副主编
价格：59.90元
内容简介
本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如BatchNormalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。
【PyTorch深度学习实战 | 图像风格迁移（限免视频）】6
精彩推荐
微信小程序游戏开发│猜数字小游戏（附源码+视频）
Flink编程基础│Scala编程初级实践
Flink编程基础│FlinkCEP编程实践
Flink编程基础│DataStreamAPI编程实践
Flink编程基础│DataSetAPI编程实践
数据分析实战│客户价值分析
数据分析实战│价格预测挑战
数据分析实战│时间序列预测
数据分析实战│KaggleTitanic生存预测返回搜狐，查看更多
责任编辑：