![AI源码解读:数字图像处理案例(Python版)](https://wfqqreader-1252317822.image.myqcloud.com/cover/118/44510118/b_44510118.jpg)
上QQ阅读APP看书,第一时间看更新
AI源码解读.数字图像处理案例:Python版
2.3.3 模型训练及保存
定义卷积神经网络模型架构和编译之后,使用训练集训练模型,使模型获得任意内容图片的风格迁移结果。这里,每次使用4张图片训练模型,训练后输出其中3张效果图保存到TensorBoard中。
1.模型训练
模型训练相关代码如下:
![](https://epubservercos.yuewen.com/631FC2/23721638301028906/epubprivate/OEBPS/Images/Figure-P71_24469.jpg?sign=1739402272-TcxzVfaGHDCjPhXAMVL5YbHSboSRrRQI-0-7fe58f524c63db1e1bf2f41f68c299ab)
![](https://epubservercos.yuewen.com/631FC2/23721638301028906/epubprivate/OEBPS/Images/Figure-P72_24470.jpg?sign=1739402272-o3L92Nr9LiUNSJ5zlhubUKCuFJfnqj1r-0-0b00b1d362078ed0c55faf5784979c65)
其中,一个batch就是在一次前向/后向传播过程用到的训练样例数量,也就是一次用4张图片进行训练,共训练30000张图片,如图2-14所示。
![](https://epubservercos.yuewen.com/631FC2/23721638301028906/epubprivate/OEBPS/Images/Figure-P72_4267.jpg?sign=1739402272-2i3OznCodlbJszgC8hhm0f0A79MfutKq-0-e847e6ccb6a4fd3e78e232f7651dcb35)
图2-14 训练结果
通过TensorBoard观察当前训练的情况,如图2-15和图2-16所示,可以查看当前的内容损失和风格损失情况呈梯度下降的状态。
![](https://epubservercos.yuewen.com/631FC2/23721638301028906/epubprivate/OEBPS/Images/Figure-P73_4273.jpg?sign=1739402272-LkvbX2GCbH6pA65k0i3qQeQZqiOVUK2I-0-3f65af50ac905ccd5f03076a75162280)
图2-15 TensorBoard参数(1)
![](https://epubservercos.yuewen.com/631FC2/23721638301028906/epubprivate/OEBPS/Images/Figure-P73_4276.jpg?sign=1739402272-mhJ9glEDrm1M5Wy7mdtSiGeCoOGbTNQk-0-8ee13641380ac34c65fcbbb3231d5c92)
图2-16 TensorBoard参数(2)
2.模型保存
为直接使用模型,需要将模型保存,使用TensorFlow中的train模块实现。
saver = tf.train.Saver() saver.save(sess, os.path.join(OUTPUT_DIR, 'fast_style_transfer'))
模型保存后,可以在其他项目中直接使用。