注：原项目名叫deep-painterly-harmonization，这里我缩写下称呼其为“DPH”
注：原项目GIT链接：https://github.com/luanfujun/deep-painterly-harmonization
DPH是深度学习中的一个应用方向，被称为风格迁移，即将A图的风格迁移到B图，DPH的作者在风格迁移的基础上实现了将B图无缝嵌入A图，示例如下图所示：
我们就不讨论具体技术细节了，这里简单地写一个安装和使用教程给大家。
坑描述：
1）一定要用物理机，而且是N卡
2）从系统到环境都必须使用指定版本
3）github下载速度巨慢
坑解决：
上面三个问题曾经让我非常崩溃，首先我电脑不是N卡的，于是上阿里云租了所谓的“GPU”物理机，但是有理由相信此物理机还不够物理，后来机缘巧合之下晓得了还有个“极客云”这样的平台，非常简单就解决了上述的所有问题。这里做个广告，使用下面链接注册极客云，充值后咱俩都有推广红包拿：
http://www.jikecloud.net/register.html?iid=HNU8Zh39FgM2ITarpX9-Dw==
使用极客云的好处在哪里呢？
1）不需要自己去买个N卡
2）可租的服务器配置都很高
3）价格相当之便宜
4）所有深度学习需要的运行环境都已经准备好了！不需要自己去安装！或者头疼版本！100万个好评啊！
这里我建议大家就去极客云租一个来测试，如果效果满意再去买N卡解决环境安装问题，所以这里直接以极客云的环境开始。
如果不使用极客云的预装环境，那你可以试试按极客云预装框架的版本来安装各模块。
正式开始：
1、主机配置
我在极客云租的主机配置如下，一定要注意预装框架：
2、下载deep-painterly-harmonization
你可以选择上github下载，但是models文件大概有600多M，国内因为某些原因下载速度极慢，所以我把完整的包放到百度云供大家下载了，文末附下载链接。
3、将deep-painterly-harmonization.zip放到服务器任意位置并使用下面的命令解压
#unzip deep-painterly-harmonization.zip
4、安装Octave（MATLAB的替代品）
#apt install software-properties-common
#apt-add-repository ppa:octave/stable
#apt-get update
#apt-get install octave
5、安装loadcaffe
#luarocks install loadcaffe
6、编译deep-painterly-harmonization
进入deep-painterly-harmonization目录
#vi makefile
将PREFIX=XXX，修改为：PREFIX=/root/torch/install（torch的安装目录）
#make clean
#make
至此，DPH就编译好了
如何使用：
在deep-painterly-harmonization目录中有个data目录，里面放的就是你要处理的原文件了，作者已经放了一些示例在里面。需要注意的是c_mask和c_mask_dilated，实际上你只需要在Photoshop中将c_mask中白色部分外扩10个像素（具体看你图片多大吧）就是c_mask_dilated。
其次需要注意的是别把wikiart_output.txt删了，里面写的是图片输出的一些配置，你可以打开看看，用的时候可以对应修改修改。
在deep-painterly-harmonization目录中有个resluts目录，里面放的就是处理结果了。
在deep-painterly-harmonization目录中执行#python gen_all.py就自动开始处理data目录中的图片了。
赶紧试试吧！
其他：
关注公众号“零基础爱学习”回复“DPH”就能获取deep-painterly-harmonization.zip完整包了，有将近700M吧，比直接从GIT上下载要快些。更多零基础深度学习的文章请继续关注“零基础爱学习”。
