项目主要参考Anish Athalye的Github项目
该项目是基于TensorFlow进行的视频图像转化，参考neural style这篇文章。
TensorFlow 并不支持 L-BFGS (论文所用算法), 所以我们使用了 Adam，这样可能需要用更多的参数来获得理想的转换图片.
TensorFlow 可能比其他的深度学习算法稍微慢一些。 我想通过修改tensorFlow的实现方式，算法效率一定会再高一些。 现在，使用TensorFlow实现大概要比Torch工具慢3倍
首先在根目录下下载VGG-19网络模型
并在项目根目录下键入：
python neural_style.py --content 原始图片文件名 --styles 风格图片文件名 --out 生成图片文件名
使用 500-2000 迭代次数就可以有一个很不错的结果，通过修改其他参数我们可以得到不同的效果（比如--content-weight,--style-weight,and --learning-rate）。
这是一个迭代了1000次的例子(使用默认参数):
原始图片:
- TensorFlow
- SciPy
- Pillow
- NumPy
- Pre-trained VGG network (MD5
8ee3263992981a1d26e73b3ca028a123)
Copyright (c) 2015-2016 Anish Athalye. Released under GPLv3. See LICENSE.txt for details.