neuralStyle

看论文：

http://blog.csdn.net/elaine_bao/article/details/50502929
http://www.w2bc.com/article/158174
http://blog.csdn.net/shenxiaolu1984/article/details/52090012（更好一些）
https://github.com/fzliu/style-transfer（我用的这个caffe代码，见/home/echo/caffe-master/examples/style-transfer-master），想要实现更多，则结合代码：https://github.com/jcjohnson/neural-style

我的理解，实际上网络的参数都是现成有的，直接拿别人训练好的分类网络之类，输入一张随机图像（比如可以是噪声图像），我们构建一个混合的Loss(包含与内容图像的内容上的Loss与风格图像风格上的Loss)，由反向传播来实现对之前那个随机图像上的像素值的更新，比如说：（可能也就是内容上的Loss按照某个高层来定，而风格上按照其他多个层来定的）

内容层- conv4_2

风格层- conv1_1, conv2_1, conv3_1, conv4_1, conv5_1

权重

内容误差与风格误差的权重设为α,β，两者之比从1×10−3到5×10−4，五个风格层权重相同。当风格误差权重很高时，得到的结果近似风格图像的纹理。

速度

由于需要反复迭代，本文算法的速度很慢。512×512图像，使用NVIDIA K40 GPU，需要近1小时完成。但是我跑了一下，一般7分钟左右