针对这篇文章https://blog.csdn.net/aaronjny/article/details/79681080#commentsedi给的代码和讲解（非常感谢！），在我的上一篇文章的基础上，学习风格迁移的代码和损失函数计算方法，有以下总结：
1、在获得vgg参数时，有以下代码：
w = tf.constant(layers[i][0][0][0][0][0])
bias = layers[i][0][0][0][0][1]
b = tf.constant(np.reshape(bias, (bias.size)))
return w, b
为什么是vgg[layers][0][i][0][0][0][0][0]？好像他们是这样得到的：打印出每一层的大小，然后自己判断是不是w,d。可以看出w的大小是3*3*3，共64个，b是64个。
vgg = scipy.io.loadmat( 'imagenet-vgg-verydeep-19.mat')
print(scipy.shape(vgg['layers'][0]))
print(scipy.shape(vgg['layers'][0][0]))
print(scipy.shape(vgg['layers'][0][0][0]))
print(scipy.shape(vgg['layers'][0][0][0][0]))
print(scipy.shape(vgg['layers'][0][0][0][0][0]))
print(scipy.shape(vgg['layers'][0][0][0][0][0][0]))
结果：
(43,)
(1, 1)
(1,)
()
(1, 2)
(2,)
(3, 3, 3, 64)
(1, 64)
而 i 对应的是vgg模型的第几层，第0层是conv1_1，第1层是relu1_1，以此类推。所以程序中的参数选取并不是每一层的都取，而是取了卷积层的参数。
我的问题是 np.reshape(bias, (bias.size) 这一句有什么作用？ 不还是原来的size吗？
2、根据噪音和内容图片，生成一张随机图片 ，为什么不能直接用原图片作为输入呢？
3、 在读取图片的函数中：resize 和 reshape有什么区别，为什么不一次性改变大小？
resize 和 reshape的区别：
1、reshape可以实现维度的提升！！！
2、reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改；
resize：无返回值，所谓有返回值，即会对原始多维数组进行修改；
4、下面的代码中，看似一样的两句代码，得到的值不一样：
作者的回答：
#tensorflow里的所有操作，只有在session.run里才会运行并计算值。
# 在代码的这一段，上面的内容图片的损失是固定的，为了避免重复计算，就先计算了出来。
# 而噪音的特征这里只是定义计算方式，并没有真正运行，
# 它是在后面训练的时候才运行的，输入的内容就是噪声图片，并且噪声图片会随着训练不停改变。关于其中的权重参数weight，是因为内容图片和风格图片取的 conv层数不同，所以权重参数不同。内容图片取2层conv，所以每次权重为1/2，而风格图片取4层conv，每次权重参数为1/4。（我刚开始看作者的公式没弄明白分母的2和4 啥意思，现在明白了）
