相关的代码都在Github上，请参见我的Github，

在Docker中运行torch版的neural style

, TensorFlow版本的实现比Torch版本的实现要慢很多，因此本文介绍如何运行torch版本的neural style。为了避免搭建环境时候解决各种烦人的依赖问题，这里依然使用Docker环境，Dockerfile来自. 环境搭建可以参考

torch版本的neural style来自于，支持CPU和GPU，依赖torch7和loadcaffe，Docker环境中已经安装好了这些依赖。

下载训练好的VGG网络

首先clone代码：

https://github.com/jcjohnson/neural-style

neural style需要训练好的VGG网络结果，这里需要提前下载好：

sh models/download_models.sh

需要加载以下两个文件：

在Docker中运行

第一步：运行Docker

由于VGG训练结果文件、图片文件等都存放到了本地电脑上，因此我们在启动docker时需要把这些文件映射到Docker中

docker run -it -p 8888:8888 -p 6006:6006 -v /Users/frank:/root/sharedfolder floydhub/dl-docker-load:cpu

我这里直接把用户主文件夹映射进去了，实际可以根据自己文件的存放位置来调整。

第二步：进入neural style代码的目录

假设clone下来的代码存放到了/Users/frank/Downloads/neural-style下，则：

cd ~/sharedfolder/Downloads/neural-style

第三步：执行

th neural_style.lua -style_image examples/inputs/starry_night.jpg -content_image ~/sharedfolder/Downloads/content.png -output_image ~/sharedfolder/Downloads/nn_out.png -model_file ~/sharedfolder/Downloads/VGG_ILSVRC_19_layers.caffemodel -proto_file ~/sharedfolder/Downloads/VGG_ILSVRC_19_layers_deploy.prototxt -gpu -1 -optimizer adam -num_iterations 800 -print_iter 1

• -style_image 表示风格图片文件位置
• -content_image 表示内容图片的位置，也就是你想要改变风格的文件
• -output_image 表示输出文件位置
• -model_file 表示下载好的caffemodel文件
• -proto_file caffemodel模型的配置文件
• -gpu -1 -1表示不采用GPU，使用CPU版本
• -optimizer adam 优化方式选择adam，速度较快，但是结果一般没有L-BFGS好
• -num_iterations 迭代次数
• -print_iter 1 每一轮迭代都要在控制台上显示一次结果

更多参数设置请参考：

接下来就是漫长的等待了，如果使用CPU的话这个等待时间将会非常长...

最后在-output_image的指定位置查看模型的数据结果。需要注意的是请不要把模型的数据结果输出到Docker的内部文件夹中，因为一旦Docker执行过程中崩溃或者关闭，你的所有内容将会被丢弃。因此一定要把结果放到映射好的宿主机文件夹中。

http://www.cnblogs.com/lijingpeng/p/6031634.html

http://www.cnblogs.com/lijingpeng/p/6009476.html

http://blog.csdn.net/lijingpengchina/article/details/53039051