如何用Python实现图像风格分类

要搞图像风格分类，用深度学习是最直接的方法。我一般会选预训练的CNN模型，比如VGG或ResNet，然后在艺术数据集上微调。下面是个完整的实现示例：

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms, models
from torch.utils.data import DataLoader

# 数据预处理
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 加载数据
train_dataset = datasets.ImageFolder('path/to/train', transform=transform)
val_dataset = datasets.ImageFolder('path/to/val', transform=transform)

train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)
val_loader = DataLoader(val_dataset, batch_size=32)

# 加载预训练模型
model = models.resnet50(pretrained=True)
num_features = model.fc.in_features
model.fc = nn.Linear(num_features, len(train_dataset.classes))  # 修改最后一层

# 训练配置
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = model.to(device)
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

# 训练循环
num_epochs = 10
for epoch in range(num_epochs):
    model.train()
    for images, labels in train_loader:
        images, labels = images.to(device), labels.to(device)
        
        optimizer.zero_grad()
        outputs = model(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
    
    # 验证
    model.eval()
    correct = 0
    total = 0
    with torch.no_grad():
        for images, labels in val_loader:
            images, labels = images.to(device), labels.to(device)
            outputs = model(images)
            _, predicted = torch.max(outputs.data, 1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()
    
    print(f'Epoch {epoch+1}, Accuracy: {100 * correct / total:.2f}%')

# 保存模型
torch.save(model.state_dict(), 'style_classifier.pth')

关键点：

1. 用ResNet50预训练模型作为基础
2. 替换最后一层全连接层来适应你的风格类别数
3. 用交叉熵损失和Adam优化器
4. 在艺术数据集（比如WikiArt）上微调

数据准备要注意：确保你的训练数据按风格分类放在不同的文件夹里，每个文件夹名就是风格标签。如果数据量不够，可以用数据增强。

简单说就是：拿预训练模型微调，准备好标注数据直接跑。

我是想实现不同的图像风格的分类

感谢 我试试你说的办法 但是感觉不比 transfer 容易啊