北京大学软件与微电子学院《人工智能实践》课程项目第6小组，新加入APP

# 20-Style Model for Image Style Fusion and Transfer 图像风格融合与快速迁移 Simple implementation of the paper "A Learned Representation for Artistic Style"<br> [A Learned Representation for Artistic Style.](http://cn.arxiv.org/pdf/1610.07629.pdf) github地址：<br> https://github.com/7yChris/20_style-model-for-image-style-fusion-and-transfer.git <br> 该项目已从2019年起停止维护 ## Instruction ### 一、core文件夹 ##### 项目核心代码<br> generateds：生成tfrecords训练集<br> forward：前向传播过程，包括图像生成网络、损失函数网络和loss的计算<br> backward：主要训练过程<br> test：测试部分，完成图像风格融合和快速迁移<br> app：JS网页应用调用test的接口文件 ### 二、main.py 运行JS网页应用的入口，在网页上完成可视化操作 ## Prepare ##### 一、运行环境 python3.6<br> ##### 二、下载coco数据集 http://images.cocodataset.org/zips/train2014.zip <br> 放在 ./core/MSCOCO/ 文件夹中<br> ##### 三、下载vgg16预训练模型 百度网盘（链接来自网络）：https://pan.baidu.com/s/1gg9jLw3 密码:umce，<br> 放在 ./core/vggnet 文件夹中<br> ##### 四、制作coco数据集tfRecords ``` $ python generateds.py ``` ## Training Model ``` $ python backward.py ``` 1、提供断点续训功能<br> 2、提供已经训练好的模型（5万轮），可在5万轮的基础上继续训练，也可删掉checkpoint从0开始训练<br> 3、在训练过程中，每500轮将会保存一张训练图片在./core/save_training_imgs/中，可从中查看训练效果<br> ## Eval Model 1、将测试图片放在./core/test_imgs/中<br> 2、在test.py中，修改测试文件路径PATH_IMG<br> 3、在test.py中，修改风格编号LABEL_1至LABEL_4 ``` $ python test.py ``` 4、生成图片存储在./core/results/文件夹中 ## Run APP ##### 目前仅对windows系统Edge浏览器做过全面测试，其他浏览器存在不同程度的不兼容性，之后会尽快完善 ``` $ python main.py ``` 1、在浏览器中打开host地址：127.0.0.1:5000<br> 2、在网页上完成可视化操作<br> 3、若提示"OSError: [Errno 48] Address already in use"，请按以下步骤处理：<br> ``` $ sudo lsof -i:5000 ``` 找到占用5000端口进程的PID编号，然后kill掉此进程 ``` $ sudo kill pid ``` 重新运行main.py ``` $ python main.py ```