在Torch中，图像风格迁移通常是通过一个预训练的深度神经网络来实现的，通常使用VGG网络。下面是大致的实现步骤：
加载预训练的VGG网络，并将其分为两部分：特征提取部分和分类部分。通常只使用特征提取部分来提取图像的特征。
定义一个损失函数，这个损失函数由两部分组成：内容损失和风格损失。内容损失衡量生成图像和原始图像之间的内容差异，而风格损失衡量生成图像和风格图像之间的风格差异。
定义一个优化器，通常使用随机梯度下降（SGD）或Adam优化器来最小化损失函数。
在训练过程中，通过将生成图像输入到VGG网络中，计算内容损失和风格损失，并将二者相加得到总的损失。然后利用优化器来更新生成图像，使得损失函数逐渐减小。
不断迭代训练，直到生成图像达到满意的风格迁移效果为止。
需要注意的是，由于图像风格迁移是一个计算密集型任务，训练过程通常需要较长的时间。因此，通常会使用GPU来加速训练过程。
