# style-transfer

**Repository Path**: corgile/style-transfer

## Basic Information

- **Project Name**: style-transfer
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-04-20
- **Last Updated**: 2021-05-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# bs-style-transfer

#### 介绍
基于CNN+PyTorch的图像风格迁移算法

#### 软件架构
CNN，PyTorch，Python3.7


---

# 日志

## 4月19日

正式开始实现毕设代码部分。遇到了一个问题：在对输入的训练图片进行伸缩变换预处理后，采用的处理策略完全相同，但是处理后的图片的`size`在一个维度上各不相同：

![尺寸问题](https://images.gitee.com/uploads/images/2021/0420/111646_65375b02_5398456.png "屏幕截图.png")


而它们被期望是相同的，通过阅读[这个解释](https://blog.csdn.net/qq_40178291/article/details/101108427)后发现`Resize`方法传入一个`int`参数时，图片在宽度维度上会与该`int`参数一致，高度维度会被等比例缩放，所以导致了高度维度各不相同：

![Resize-doc](https://images.gitee.com/uploads/images/2021/0420/111710_6cac646a_5398456.png "屏幕截图.png")

## 4月20日

试运行代码并训练模型。数据集是微软的COCO数据集 train2017.zip，大小18G，比较庞大，奈何本机CUDA内存只有4G，因此在训练过程中（尤其是后期阶段）总是出现CUDA内存不足的错误导致训练中断，不得已将`batch_size`参数由4改为1，虽然训练时长会有所增加，但也是当下情况的权宜之策。
试着在网上找一些免费的GPU平台，大多数因为种种原因都不能直接使用。


## 4月21日

在进行训练网络模型时，由于硬件设备不佳，所以一次训练不完只能分批次地进行。另外还可能会遇到电脑宕机或其他原因导致正在训练的模型中断，
如果没有保存模型，就要重新训练，费时费力。 这让我想到了文件的断点续传问题，是否在这个领域也有一个叫做断点续训的东西呢。
为此我查了资料，发现的确是有的，但是自己的代码与 网上的文章肯定是不同的，场景也不同，导致不能直接拿他们的代码来实现续训这个功能。
所以还需要继续系统地学习一下这个问题。