正文
-
看到一幅作品，对绘画有个初步的概念；
-
学习作品中的绘画风格与笔法；
-
临摹上述风格和笔法，重新绘画。
提取不同名画的风格，就能渲染出不同效果的照片
但只出现在网页端的DeepArt服务耗时过长，渲染出一张新照片至少需要20分钟，并且收费不菲。Gatys等人没能看到移动市场的机会，这让年轻的Alexey一下子抓住了灵感，让他坚信移动端的“AI+图像处理”必定大有可为。
Alexey清楚，在移动端成功的关键，是能够显著降低图像处理过程的耗时，也就是大幅度提升神经网络的运行效率。为此，他对Gatys等人的算法研究了两个月，在不影响移动端图像效果的前提下，尽可能简化神经网络所需要处理的细节。此处的优化，使得Prisma的耗时仅需几秒钟，处理速度相比DeepArt提升了1000倍。
随后的开发过程，仅用了一个半月。6月11日，Prisma在苹果应用商店上线。两周时间，下载量就超过160万次；三个月后，全球下载量突破7000万；到年底，Prisma一举拿下Google和苹果两大平台的“年度最佳应用”。
Prisma的迭代升级一直是围绕“提速”来进行的，关键就是不断改进图像处理的算法。
最初，Prisma的3个神经网络都部署在云端。用户选取照片效果后，手机上的Prisma应用便将照片上传至服务器，云端的卷积神经网络在解读照片后，会根据用户选择的效果重新渲染出一张新照片，并下载到用户的手机上。
随着Prisma开始海外扩张，海外用户与Prisma位于莫斯科的服务器通讯问题，成为Prisma加载缓慢的主因。为此，Alexey不得不考虑解决办法，也就要设法在手机上完成照片渲染的过程。2016年8月，直接使用iPhone处理器，Prisma成为第一个能够离线运行风格转换神经网络的手机应用。一张1080×1080分辨率的照片，半秒就能转换成全新的风格。
可以看出，在手机上部署机器学习算法的需求是极强的。
毕竟，采用AI来编辑或制作照片的不止Prisma一家。2016年3月，SnapChat的动态相机效果Lenses一经发布便大受欢迎，这项技术是SnapChat从它2015年9月收购的那家乌克兰公司Looksery身上买来的。Facebook紧随其后，于8月份开始，先后在Instagram、Messenger、WhatsApp上推出能跟SnapChat竞争的滤镜效果。Facebook的技术则来自它在2016年3月份买下的白俄罗斯公司Masquerad。
于是，从今年开始，Facebook和Google相继把它们的机器学习框架转向移动端，在手机应用上直接运行AI算法的趋势几乎不可逆转。紧接着，便有了我们今天的主角Core ML横空出世。
与Google TensorFlow、Facebook Caffe2不同，
苹果的Core ML它专门为iOS移动端的机器学习进行过优化，最大限度减少内存的占用和功耗
。而且，即便是网络连接丢失，它还能保证应用的正常工作与响应。
