style.py 训练画风迁移网络
参数
--checkpoint-dir: 模型文件的路径，必选（注：在训练 TensorFlow 模型时，每迭代若干轮需要保存一次权值到磁盘，称为“checkpoint”）--style: 画风文件路径，必选--train-path: 训练集数据文件路径，默认:data/train2014（注：train2014 为微软2014年发布的图像识别、分割和图像语义数据集）--test: 每若干轮迭代结束后，用于测试神经网络渲染效果的图片路径，默认值为空--test-dir: 神经网络测试结果（渲染后的图片）的存储目录，如果--test已赋值，则该项必选--epochs: 神经网络训练的周期数，默认值：2（注：1个epoch表示把训练集中所有样本完整过一遍）--batch_size: 一次迭代使用的样本数量，默认值：4--checkpoint-iterations: 每两次checkpoint间的迭代次数，默认值：2000（注：每跑完一个batch都要更新参数，这个过程叫一个iteration）--vgg-path: VGG19网络（默认）的matlab数据文件路径，（如想尝试其他损失网络，如：VGG16，则可传入VGG16对应的matlab数据文件路径），默认值：data/imagenet-vgg-verydeep-19.mat--content-weight: 损失网络中的内容权重，默认值：7.5e0--style-weight: 损失网络中的风格权重，默认值：1e2--tv-weight: 损失网络中总变异项的权重，默认值：2e2--learning-rate: 优化器的学习率，默认值：1e-3（注：learning rate是调整神经网络输入权重的一种方法。如果感知机预测正确，则对应的输入权重不需要调整，否则要根据损失网络调整感知机，而这个调整幅度大小叫learning rate，也就是在调整的基础上，增加一个比值）--slow: 该参数为debug损失网络而设置，采用Gatys论文中的方法，直接在像素层面渲染，test参数对应的文件作为debug内容，test_dir对应的目录用来保存debug结果
evaluate.py 评估画风迁移网络（需指定模型文件）， 如用多张图片评估，则图片尺寸必须相同
参数
--checkpoint: 模型文件的路径（一般为一个目录），或ckpt文件路径，必选--in-path: 待渲染的单张图片路径，或待渲染的多张图片所在的目录，必选--out-path: 单张图片渲染后的保存路径，多张图片渲染后的保存目录，必选--device: 画风渲染的设备（cpu或gpu），默认值：/cpu:0--batch-size: 批量渲染图片时的批量大小，仅当带渲染对象是目录下的一批图片时，该参数有效，默认值：4--allow-different-dimensions: 批量渲染时，允许不同的图片尺寸，默认值：不允许
transform_video.py 渲染视频为指定画风
参数
--checkpoint: 模型文件路径（一般为一个目录），或ckpt文件路径，必选--in-path: 待渲染视频文件路径，必选--out-path: 渲染后视频文件存储路径，必选--tmp-dir: 渲染过程中产生的临时文件存储目录，如未设置该值，则渲染程序自动生成目录，并在程序结束前自动删除。默认值：随机生成隐藏目录，并自动删除--device: 用于画风渲染的设备（cpu或gpu），默认值：/gpu:0--batch-size: 批量渲染时的批量大小，默认值：4