原理：我们需要将图像x通过学习y的风格，得到图像z，则我们需要定义一个函数描述z和x内容的差异，另一个函数描述z和y风格的差异，然后优化z。具体而言 Alpha, Beta是权重系数，p是真实图片photograph，a是艺术风格artwork，x是我们的制造的图片。Total loss 是 content loss和 style loss的加权。 换句话说，art style的核心问题有两个：两个图像在内容上像不像、两个图像在风格上像不像。
下面直接介绍实现操作的过程： 1.安装好anaconda： https://www.continuum.io/downloads#windows 需要注意的是自动配置好环境变量
2.安装程序： https://github.com/anishathalye/neural-style 在这个网页中有写好的程序
3.下载（训练好的）神经网络mat文件： http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat 放到第二步程序文件夹
4.创建虚拟环境，在cmd命令行下输入： conda create –name tensorflow python=3.5 之所以需要用到3.5，是因为tensorflow 不支持3.6，所以需要在代码中强调）如果使用了3.6版本，则无法运行 tensorflow
5.创建完虚拟环境后，安装一些辅助包： 科学计算工具集：conda install SciPy 图像处理库：conda install Pillow 科学计算基础库：conda install NumPy
6.最后一步： 打开至程序所在文件夹，cmd开启虚拟环境：activate tensorflow 执行：python neural_style.py –content content.jpg –styles style.jpg –output output.jpg （其中content.jpg是目录下的原图，style.jpg是目录下的效仿风格图，output.jpg是最终多次iteration后输出的成品图）
其后就是漫长的等待，当然为了加快速度（降低画质），可以在上述命令中规定iteration的次数(iteration=100之类的)
下面给大家看一下iteration 1000次（跑了我整整两天）的效果图： 加载原图： 风格转换图： 成品图：
有关报错： 由于我电脑上python2、3双版本并存（分别用python2,python3命令启动），在安装好anaconda后将python.exe 改为 python3.exe，因此造成了执行conda命令时报错：failed to create process.这时需将Anaconda3文件目录下的python3.exe名称改回原先的python.exe，就可以正常运行了。
