v1：随机初始化一张结果图像，同时计算内容损失和风格损失 （比较耗时）
V2：快速图像风格迁移的原理（需要先对风格图像进行特征处理，且风格固定，每一个风格图像得训练一个模型）
前面两部分可以参考网上别人的详细讲解！！！
V3：任意风格转换
- Encoder用 f 表示，把图像进行特征提取
- Decoder用 g 表示，把特征图像转成图片
- t = AdaIN
- 内容损失：
-
- g(t) 表示经Decoder解码出来的图片，f(g(t)) 就是对结果图像进行特征的提取
- 风格损失
- g(t) 表示经Decoder解码出来的图片，s表示风格图像的特征。那么我们的结果图像中的std和mean肯定变了，所以我们的损失函数是要让结果图像的std和mean 与风格图像的std和mean 尽量接近
- （其中
表示卷积的层数， 在AdaIN中，我们风格的std和mean可以随便换成任意一张风格图像的std和mean，所以也就实现了任意风格的转换）
AdaIN原理介绍：
- x 是内容的特征图（经过CNN卷积提取到的）
- y 是风格特征图
- 我们把 x 特征分布拉到 y 的特征分布，所以就相当于在特征空间中进行了风格转换
归一化可以参考：https://blog.csdn.net/qq_37982109/article/details/105194229