1.一种可实时运行的图像风格化方法，其特征在于，包括步骤
S1：使用Squeeze-Net中提出的fire模块来组成生成网络的编码部分，用解卷积层组成生成网络的解码部分；
S2：用VGG19中的conv1_1至conv5_1卷积层组成判别网络；
S3：通过构建生成对抗网络进行半监督学习；
S4：在保证生成网络的图片合成能力不变的前提下，用卷积核低秩分解、网络剪枝和参数量化的方法对生成网络进行进一步的加速和压缩。
2.如权利要求1所述的可实时运行的图像风格化方法，其特征在于，步骤S1中的fire模块是由两个卷积核大小为1*1的卷积层和一个卷积核大小为3*3的卷积层组成。
3.如权利要求1或2所述的可实时运行的图像风格化方法，其特征在于，步骤S1中生成网络中的解码部分的基本单元均为核大小为4、步长为2且边距为1的解卷积核组成。
4.如权利要求3所述的可实时运行的图像风格化方法，其特征在于，步骤S4包括步骤
S41：用卷积核低秩分解的方法对所述解卷积核进行分解，依次分解为1*1、4*1、1*4三个解卷积核，进行降维和去冗余；
S42：通过网络剪枝删除冗余的神经元，再重新训练、微调剩下的生成网络，两者之间交替迭代直至收敛；
S43：为每个卷积层、解卷积层各自训练一个码本，使得卷积层、解卷积层中的参数可用码本中的码字近似表示，使用较少的比特数存储对应码字的索引。