1. 前言
上一篇我们已经从整体上理解了**样式迁移（Style Transfer）**的思想：
内容图提供结构与布局
样式图提供纹理与风格
生成图通过不断优化得到
优化目标同时考虑内容损失和风格损失
这一节我们就正式进入代码实现。
和前面 FCN 那种“搭模型”不太一样，样式迁移代码的核心不是新建一个复杂网络，而是：
固定一个预训练特征提取网络，然后把生成图本身当作待优化参数。
所以这一节真正要看懂的是：
怎么提取内容特征
怎么提取风格特征
Gram 矩阵怎么计算
总损失怎么写
怎么一步步优化生成图
2. 样式迁移代码的整体流程
李沐这里的实现思路非常清楚，可以概括成下面几步：
第一步：读取内容图和样式图
把两张图都处理成网络可接受的张量格式。
第二步：加载预训练 CNN
通常使用 VGG 这类网络提取中间层特征。
第三步：指定哪些层表示内容，哪些层表示风格
内容通常取较深层
风格通常取多个层
第四步：初始化生成图
常见做法是直接用内容图初始化，而不是随机噪声。
第五步：定义损失函数
包括：
内容损失
风格损失
总变差损失
第六步：优化生成图
不断更新生成图，使其同时接近内容图和样式图。
3. 读取与预处理图像
首先要做的是把图片读进来，并统一成网络需要的输入格式。
常见写法大致如下：
import torch from torch import nn from torchvision import models, transforms from PIL import Image然后定义图像预处理：
rgb_mean = torch.tensor([0.485, 0.456, 0.406]) rgb_std = torch.tensor([0.229, 0.224, 0.225]) preprocess = transforms.Compose([ transforms.Resize((300, 450)), transforms.ToTensor(), transforms.Normalize(mean=rgb_mean, std=rgb_std) ])这里做了三件事：
调整图像尺寸
转成张量
按 ImageNet 的均值和方差做标准化
为什么要标准化？
因为后面用的是预训练网络，它就是在这种输入分布下训练出来的。
4. 为什么显示图像时要反归一化
输入网络时用了标准化，但如果想把结果显示出来，就必须把它恢复回正常图像范围。
通常会写一个“后处理”函数，把图像从标准化空间还原回来。
核心思想是：
先乘标准差
再加均值
最后裁剪到
0~1
因为网络处理的是“适合训练的张量”，
而我们人眼想看的是“正常 RGB 图片”。
5. 加载预训练特征提取网络
经典样式迁移里，最常用的是 VGG 网络。
例如：
pretrained_net = models.vgg19(weights=models.VGG19_Weights.DEFAULT).features这里取的是.features，而不是整个分类头。
原因很简单：
样式迁移只需要卷积层提取的中间特征，不需要最后的分类器。
所以这里保留的是特征提取部分。
6. 为什么样式迁移主要用中间层特征
因为我们不关心最终的分类结果，
我们关心的是图像在不同层上的表示。
不同层特征有不同作用：
较浅层：更偏向边缘、纹理、颜色局部模式
较深层：更偏向物体结构和语义布局
这刚好对应样式迁移里的两个目标：
内容
风格
所以中间层特征才是关键。
7. 指定内容层和风格层
李沐这里通常会显式指定：
哪些层用来表示内容
哪些层用来表示风格
例如：
style_layers = [0, 5, 10, 19, 28] content_layers = [25]这表示：
风格用多个层共同表示
内容通常只用一个较深层表示
为什么风格要用多个层？
因为风格不是单一层次的信息，而是从浅层纹理到稍深层模式的综合统计。
为什么内容只用较深层？
因为内容更关心整体结构和语义，不需要太多浅层细节。
8. 提取中间层特征
通常会定义一个函数，把指定层的输出取出来：
def extract_features(X, content_layers, style_layers): contents = [] styles = [] for i, layer in enumerate(pretrained_net): X = layer(X) if i in style_layers: styles.append(X) if i in content_layers: contents.append(X) return contents, styles这段代码的意义非常大。
它不是只拿最终输出，而是在网络前向传播过程中，
把我们关心的中间层结果都收集起来。
最终返回两组特征：
内容特征
风格特征
9. 内容特征怎么用
对于内容图，我们提取一次内容特征并固定下来：
content_Y, _ = extract_features(content_X, content_layers, style_layers)这里的content_Y就是内容目标。
之后每次优化生成图时，都要让生成图的对应内容特征接近它。
所以内容图特征在整个训练过程中相当于：
被模仿的内容标准答案
10. 风格特征为什么不能直接拿原特征比较
因为风格不强调空间位置精确一致。
如果你直接逐元素比较某层特征，就会隐含一个要求：
这个纹理必须出现在完全对应的位置
这显然不符合“风格”的含义。
风格更像一种整体统计规律，而不是某个具体位置上的精确匹配。
所以风格不能直接比较特征本身，而要比较其统计关系。
11. Gram 矩阵的代码实现
样式迁移中最核心的一个函数就是 Gram 矩阵。
常见写法如下：
def gram(X): num_channels, n = X.shape[1], X.numel() // X.shape[1] X = X.reshape((num_channels, n)) return torch.matmul(X, X.T) / (num_channels * n)这段代码一定要理解。
第一步：把特征图按通道展开
原来的特征图可能是：
(batch, channels, height, width)这里本质上是把每个通道拉成一个长向量。
第二步：计算通道之间内积
X @ X.T得到的是一个：
channels × channels的矩阵。
它描述的是：
不同特征通道之间的相关性
这正是风格的重要表达。
12. 为什么 Gram 矩阵能表示风格
因为风格更像：
颜色分布规律
纹理重复模式
特征通道之间共同激活的结构
而 Gram 矩阵正好抓住了：
通道之间的整体统计相关性
它弱化了“具体在哪里”，强化了“整体像不像这种风格”。
所以经典样式迁移里，风格目标通常就是：
让生成图的 Gram 矩阵接近样式图的 Gram 矩阵。
13. 先提取样式图的 Gram 矩阵目标
通常会先把样式图跑一遍网络，并计算各风格层的 Gram 矩阵：
_, style_Y = extract_features(style_X, content_layers, style_layers) style_Y_gram = [gram(Y) for Y in style_Y]这相当于固定下：
样式图在多个层上的风格表示
后面优化生成图时，就让生成图的 Gram 矩阵逐渐接近这些目标。
14. 内容损失怎么写
内容损失通常很直接，就是比较内容特征之间的差异。
例如：
def content_loss(Y_hat, Y): return torch.square(Y_hat - Y.detach()).mean()这里：
Y_hat是生成图的内容特征Y是内容图的内容特征
detach()的作用是把目标视为常量，不参与梯度更新。
内容损失越小，说明生成图在高层语义结构上越接近内容图。
15. 风格损失怎么写
风格损失则比较 Gram 矩阵：
def style_loss(Y_hat, gram_Y): return torch.square(gram(Y_hat) - gram_Y.detach()).mean()这里：
gram(Y_hat)是生成图当前风格特征的 Gram 矩阵gram_Y是样式图对应层的 Gram 矩阵目标
风格损失越小，说明生成图越具有样式图的纹理和风格统计特征。
16. 总变差损失是什么
除了内容和风格损失，通常还会加一个总变差损失。
例如：
def tv_loss(Y_hat): return 0.5 * ( torch.abs(Y_hat[:, :, 1:, :] - Y_hat[:, :, :-1, :]).mean() + torch.abs(Y_hat[:, :, :, 1:] - Y_hat[:, :, :, :-1]).mean() )它的作用是：
让生成图在相邻像素之间更平滑，减少噪声和过度抖动
因为如果只优化内容和风格，有时图像会出现很多局部噪点。
总变差损失能让结果更自然一些。
17. 总损失如何组合
接下来就要把三类损失加起来。
常见形式是：
total_loss = content_weight * content_l \ + style_weight * style_l \ + tv_weight * tv_l这里的三个权重非常重要：
content_weight决定保留内容的强度style_weight决定风格迁移的强度tv_weight决定平滑程度
如果：
内容权重大，结果更像原图
风格权重大，结果更像画作
平滑权重大，图更干净但可能少些细节
所以样式迁移效果很大程度上取决于这些权重平衡。
18. 生成图为什么常常直接用内容图初始化
在理论上，生成图可以随机初始化。
但实际中，常见做法是：
gen_img = content_X.clone().requires_grad_(True)为什么？
因为如果直接从内容图开始优化，那么：
一开始就已经有正确的内容结构
后面只需要逐渐叠加风格
这样训练更稳定，也更容易得到视觉上合理的结果。
如果从纯随机噪声开始，优化过程通常更慢，也更难控制。
19. 为什么优化的是图像，而不是模型参数
这是样式迁移代码最特别的一点。
平时训练神经网络时，我们更新的是：
卷积核参数
全连接层参数
但样式迁移里：
预训练网络固定不动
内容图和样式图固定不动
真正更新的是生成图本身
也就是说，生成图被视为一个可学习参数。
这是一种非常经典的“输入优化”思路。
20. 优化循环怎么写
优化流程一般长这样：
optimizer = torch.optim.Adam([gen_img], lr=0.3)然后循环做：
提取生成图特征
计算内容损失
计算风格损失
计算总变差损失
合成总损失
反向传播更新生成图
伪代码如下：
for epoch in range(num_epochs): optimizer.zero_grad() contents_Y_hat, styles_Y_hat = extract_features(gen_img, content_layers, style_layers) contents_l = [content_loss(Y_hat, Y) for Y_hat, Y in zip(contents_Y_hat, content_Y)] styles_l = [style_loss(Y_hat, Y) for Y_hat, Y in zip(styles_Y_hat, style_Y_gram)] tv_l = tv_loss(gen_img) l = content_weight * sum(contents_l) + \ style_weight * sum(styles_l) + \ tv_weight * tv_l l.backward() optimizer.step()这就是样式迁移的核心优化主循环。
21. 每轮优化后生成图发生了什么
每做一次反向传播，生成图像素都会被轻微调整。
这些调整方向由损失函数共同决定：
内容损失要求它保持内容结构
风格损失要求它具有样式纹理
总变差损失要求它更平滑
所以随着迭代次数增加，生成图会逐渐从“普通照片”变成“带画风的内容图”。
这也是样式迁移最直观、最有成就感的地方。
22. 为什么要把不同层的风格损失加起来
因为单层特征不能完整表示风格。
浅层更擅长描述：
边缘
简单纹理
局部颜色
稍深层则能描述：
更复杂的纹理模式
更抽象的局部结构关系
所以经典样式迁移通常会取多个风格层，把它们的损失加权求和。
这相当于从多个尺度共同约束“风格像不像”。
23. 这节代码最该掌握什么
如果从学习重点看，这一节最应该吃透的是下面几件事。
23.1 特征提取函数
知道如何从预训练网络中拿到中间层特征。
23.2 Gram 矩阵
知道它怎么写、为什么能表示风格。
23.3 三种损失
内容损失
风格损失
总变差损失
23.4 生成图是优化变量
这是样式迁移区别于普通训练的关键。
23.5 总损失的权重平衡
知道为什么不同权重会明显影响最终图像效果。
24. 样式迁移代码的主线可以怎么背
这篇代码其实非常适合用一句主线来背：
固定预训练网络，提取内容图和样式图的目标特征，然后不断更新生成图，让它同时匹配内容和风格。
如果再拆细一点，就是：
读图
提特征
算 Gram
定义损失
优化生成图
只要这五步不乱，样式迁移代码整体就能看懂。
25. 本节总结
这一节我们学习了样式迁移的代码实现，核心内容可以总结为以下几点。
25.1 用预训练 CNN 提取中间层特征
不同层特征分别用于内容和风格表示。
25.2 内容损失比较深层特征差异
它负责保留原图的结构和布局。
25.3 风格损失比较 Gram 矩阵差异
它负责迁移样式图的纹理和风格。
25.4 总变差损失让图像更平滑
防止结果中出现太多噪声。
25.5 样式迁移优化的是生成图本身
这与普通训练网络参数的思路完全不同。
26. 学习感悟
样式迁移代码很有意思，因为它让我们看到：
神经网络不只是“拿来训练参数”的工具，它还可以作为一个固定的特征空间，指导我们直接优化输入本身。
这是一种非常漂亮的思路。
你会发现，到了这里，卷积网络已经不再只是分类器，
而变成了一个“视觉特征度量器”：
它告诉我们什么叫内容接近
什么叫风格接近
然后再利用梯度一步步把图像改出来
这就是样式迁移最迷人的地方。
