某个无聊的下午，在博客园刷帖时无意发现一篇介绍关于风格迁移的文章，提到某个国外团队在这方面研究的最新进展。

他们实现了一个网络，可以把真人的照片转为二次元卡通图片，效果非常好。

论文地址：[2106.06561] GANs N' Roses: Stable, Controllable, Diverse Image to Image Translation (works for videos too!) (arxiv.org)

 项目源码：GitHub - mchong6/GANsNRoses: Official PyTorch repo for GAN's N' Roses. Diverse im2im and vid2vid selfie to anime translation.

 下面是一个演示的效果：

 说实话，看到这种效果还是很令人震撼的。

正是看了这篇论文激发了我研究机器学习的兴趣，当时还买了Python、Pytorch、TensorFlow等方面的书恶补了一把，最后由于水平原因，没有成功！

不过，正所谓：有心栽花花不开，无心插柳柳成荫。我发现在工业自动化领域如果有涉及到机器学习的需求，采用TensorFlow.NET来解决是一个非常好的方案。目前大部分AI解决方案都是基于WEB服务的，这种架构在工业应用领域就不太合适，如果能采用C#来消费学习好的模型将是一个非常好的方案。近期我采用该方案实现了一个电信号波形的类型识别，取得了不错的效果。

工业领域的应用一般不会特别复杂，模型也相对简单，最大的问题是样本不足（主要是负例样布不足），而GAN恰好可以用来生成负例样布。

本文提供的源码内有两个GAN的例程，功能是实现绘制二次元妹子，其中GAN_Anime_Faces绘制灰度图像，GAN_Anime_Faces_Color绘制彩色图像，代码都是参考了官方Samples源码。

以下是运行结果：

 

总体效果不是特别理想，而且即使加大训练时间，实现效果也没有明显提升。由于目前工作需要用到的机器学习相关技术都比较浅，所以就没有再继续深入研究下去了。 

 

 最后，给这个系列的文章做一个简单的小结：

1、目前机器学习的主流语言仍是Python，有志在这个领域发展的同学肯定还是要以Python为主，Tensorflow.NET适合非常熟悉C#同时想尝鲜机器学习的同学；

2、关于Tensorflow和torch的选择问题，目前似乎torch人气更高，我是因为Torch.NET不好用才选择Tensorflow.NET；

3、在工业应用领域，C#有很大的应用空间，简单的情况采用Tensorflow.NET是一个很好的方案，复杂的系统可以采用Python训练、C#消费的方案。

 

这个系列就到这里了，后面要专心学习WPF去了。Tensorflow.NET项目一直都在更新维护，有希望深入的朋友可以继续持续关注。

 

【相关资源】

源码：Git: https://gitee.com/seabluescn/tf_not.git

目录：查看TensorFlow.NET机器学习入门系列目录

 

【参考资料】

TensorFlow.NET (scisharp.github.io)

风格迁移三部曲 | 杨培文 (ypw.io)