正在阅读：没错这些都是我!人工智能让Prisma成为新网红没错这些都是我!人工智能让Prisma成为新网红

　　 当然，已经使用过Prisma的朋友一定会注意到，其为用户提供了可调节选项，即套用绘画风格的深与浅。这又是如何实现的呢？如下图所示，图中左右两边的网络用于抽取源图（风格提供方）的风格表示和目标图（内容提供方）的内容表示，中间的网络则用于对风格进行合成。

　　 之后，使用白噪声图片作为启始图，通过左右两边的网络提供风格和内容表征进行监督学习，令输入图片每一层抽取出来的风格表征和高层抽取出来的内容表征和左右两个网络相应网络层重建出来的表征越来越一致，通过标准的随机梯度下降算法，不断迭代使得白噪声图片变成最终想要的合成图。

　　 使用数学表达上述过程需要构造一个损失函数，即图中红框所示，由风格损失项和内容损失项线性组成，其中alpha和belta分别代表风格和内容的权重比例。若alpha/belta高，则生成的图像更凸显内容而风格化较弱；反之若权重低，则生成图像会风格化强而内容较弱。使用后项传递算法，则可对输入的图像不断进行更新从而进行风格转换，即绿框所示。

　　 此外，你也可以在提取图像风格特征之前先改变图像的大小；也可使用超过一种风格图像来混合多种艺术风格；又或是在使用多个风格图像时，控制混合的程度来呈现不同的图像类型；当然，还可以在保留颜色的前提下改变图像风格。