视频教程 | 如何用Python搭建可以画风迁移的人工智能

艺术源于生活，它诠释了我们在生活中的经历与情感。那么我们能搭建一个AI艺术家吗？答案是肯定的。这听起来很不可思议，我们可以使用一个艺术家的风格来训练出一个神经网络，然后让它将艺术家的画风迁移到指定的图片上。

这一切都是从谷歌研究团队公布的一篇关于“inceptionism”的博客开始的。他们使用大量的图片数据训练了一个深度卷积神经网络，它可以识别出日常生活中的一些东西，比如狗或者建筑物。一旦神经网络可以识别物体了，他们给神经网络一张小说插图，如果它在图中看到能够识别的物体，比如一朵很像狗的云，那么它就会将图像优化的更像狗。

另一个小组写了一篇类似的文章叫做艺术家风格的神经网络算法，他们让神经网络以另一个艺术家的风格重画画作，使用的是一个著名的图片作为基准图，所以当他们使用星夜来训练神经网络时，它将通过拟合所有的特征来修改图像使其更像星夜。

因为Siraj Raval已经在前几期视频中详细的讲解了卷积神经网络，今天他将带着大家使用深度学习库Keras来在Python中重现用神经网络进行风格迁移的相关论文结果。

来跟着Siraj Raval一起开始吧……

代码链接 https://github.com/llSourcell/AI_Artist

程序员想转型AI却迟迟无法开始？也许你需要一种更加有趣的学习方式。

Siraj Raval是一位人工智能领域的编程高手，毕业于哥伦比亚大学，曾任职于 Twilio 和 Meetup。一年以来，他通过制作AI教程类短视频的方式在Youtube上积累了大量的粉丝，视频内容包含：如何搭建神经网络、聊天机器人、AI游戏、AI作曲家、递归神经网络、无人驾驶汽车等在内的大量实用的案例，更加令人钦佩的是，这些视频长度大多都在10分钟以内，实在是快速上手AI的一条捷径。

为了使更多的中国开发者看到这些有用的视频，AI科技大本营已经联系到Siraj Raval，并获得了翻译其系列视频的授权，我们将在每周一、三、五定期更新，欢迎大家持续关注！