神经风格迁移（Neural Style Transfer）程序实现（Keras）
前言
以前翻译了神经风格迁移的论文：，这篇文章中会给出其基于Keras的实现。github上也有很多相关的实现，也有caffe、tensorflow等等框架的实现，如果感兴趣可以自行到github上搜索。出于学习的目的，我也是模仿别人开源在github上的代码，基于keras进行了实现。 程序中使用到了VGG16的预训练模型vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5，可以自己到网上下载好放到~/.keras/models文件夹中。 所有模型都可以到百度网盘中下载：
程序
不说废话了，上代码，代码中已有注释。
log.py：自定义终端的log信息打印格式
neural_style_transfer.py：神经风格迁移的程序实现
运行
只要配置好keras等库的环境，上面的代码在python2或者python3均可运行。下面就以python3为例。 输入python3 neural_style_transfer.py： 事先要准备好两张图片：内容图片、风格图片。 输入：python3 neural_style_transfer.py ./imgs/1-content.jpg ./imgs/1-style.jpg ./imgs/result 第一个为内容图片的路径，第二个为风格图片的路径，第三个为生成图片的前缀。 如图所示：
上面的例子中就是指定了目录中的1-content.jpg为内容图片，1-style.jpg为风格图片，对应着前缀为result_at_iteration_的图片为生成的图片。 运行时根据实际情况自行更改即可。
运行结果
内容图片 风格图片 生成的结果（迭代9次）：
其他的一些结果：
注：建议采用GPU运行，如果用CPU运行一般要2到3小时，使用GPU几分钟即可得到结果。另外也可以更改--iter，即迭代次数，为其他值，看看结果如何。其他参数也可以自行更改，观察实验结果。
