PyTorch 7 学习——神经风格迁移代码解析

torch7学习（一）——Tensor
Torch7学习(二) —— Torch与Matlab的语法对比
Torch7学习（三）——学习神经网络包的用法（1）
Torch7学习（四）——学习神经网络包的用法（2）
Torch7学习（五）——学习神经网路包的用法（3）
Torch7学习（六）——学习神经网络包的用法（4）——利用optim进行训练
Torch7学习（七）——Neural-Style代码解析

Neural-style或许属于最便于初学者接触的代码实现之一。其结构较为简洁，编写方式也十分明了，仅涉及最基本的网络构建方法，这种写法在实际应用中具有基础而重要的意义。建议直接参考neural-style的代码内容，其中包含大量注释说明，并在结尾部分附有相关分析。

需要特别注意的是，当前该论文所对应的代码版本已支持多GPU运行模式。用户可以根据需求将不同网络层分配至不同的GPU上进行训练。 此次更新主要增加了对“Controlling Perceptual Factors in Neural Style Transfer”这一内容的支持。个人认为，从较为简单的版本入手学习会更加容易理解，待掌握后再进一步研究最新版本的内容。<https://github.com/jcjoh