PyTorch 進行神經(jīng)傳遞

原文： https://pytorch.org/tutorials/advanced/neural_style_tutorial.html

作者： Alexis Jacq

編輯：溫斯頓·鯡魚

介紹

本教程說明了如何實現(xiàn)由 Leon A. Gatys，Alexander S. Ecker 和 Matthias Bethge 開發(fā)的神經(jīng)樣式算法。 神經(jīng)風格(Neural-Style）或神經(jīng)傳遞(Neural-Transfer）使您可以拍攝圖像并以新的藝術風格對其進行再現(xiàn)。 該算法獲取三個圖像，即輸入圖像，內(nèi)容圖像和樣式圖像，然后更改輸入以使其類似于內(nèi)容圖像的內(nèi)容和樣式圖像的藝術風格。

基本原理

原理很簡單：我們定義了兩個距離，一個為內(nèi)容( ），一個為樣式( ）。  測量兩個圖像之間的內(nèi)容有多大不同，而 測量兩個圖像之間的樣式有多大不同。 然后，我們獲取第三個圖像(輸入），并將其轉(zhuǎn)換為最小化與內(nèi)容圖像的內(nèi)容距離和與樣式圖像的樣式距離。 現(xiàn)在我們可以導入必要的程序包并開始神經(jīng)傳遞。

導入軟件包并選擇設備

以下是實現(xiàn)神經(jīng)傳遞所需的軟件包列表。

• torch，torch.nn，numpy(使用 PyTorch 的神經(jīng)網(wǎng)絡必不可少的軟件包）
• torch.optim(有效梯度下降）
• PIL，PIL.Image，matplotlib.pyplot(加載并顯示圖像）
• torchvision.transforms(將 PIL 圖像轉(zhuǎn)換為張量）
• torchvision.models(訓練或負載預訓練模型）
• copy(用于深復制模型；系統(tǒng)軟件包）

from __future__ import print_function


import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim


from PIL import Image
import matplotlib.pyplot as plt


import torchvision.transforms as transforms
import torchvision.models as models


import copy

接下來，我們需要選擇要在哪個設備上運行網(wǎng)絡并導入內(nèi)容和樣式圖像。 在大圖像上運行神經(jīng)傳遞算法需要更長的時間，并且在 GPU 上運行時會更快。 我們可以使用torch.cuda.is_available()來檢測是否有 GPU。 接下來，我們設置torch.device以在整個教程中使用。 .to(device)方法也用于將張量或模塊移動到所需的設備。

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

加載圖像

現(xiàn)在，我們將導入樣式和內(nèi)容圖像。 原始的 PIL 圖像的值在 0 到 255 之間，但是當轉(zhuǎn)換為torch張量時，其值將轉(zhuǎn)換為 0 到 1 之間。圖像也需要調(diào)整大小以具有相同的尺寸。 需要注意的一個重要細節(jié)是，使用從 0 到 1 的張量值對torch庫中的神經(jīng)網(wǎng)絡進行訓練。如果嘗試為網(wǎng)絡提供 0 到 255 張量圖像，則激活的特征圖將無法感知預期的內(nèi)容 和風格。 但是，使用 0 到 255 張量圖像對 Caffe 庫中的預訓練網(wǎng)絡進行訓練。

Note

以下是下載運行本教程所需的圖像的鏈接： picasso.jpg 和 dance.jpg 。 下載這兩個圖像并將它們添加到當前工作目錄中名稱為images的目錄中。

# desired size of the output image
imsize = 512 if torch.cuda.is_available() else 128  # use small size if no gpu


loader = transforms.Compose([
    transforms.Resize(imsize),  # scale imported image
    transforms.ToTensor()])  # transform it into a torch tensor


def image_loader(image_name):
    image = Image.open(image_name)
    # fake batch dimension required to fit network's input dimensions
    image = loader(image).unsqueeze(0)
    return image.to(device, torch.float)


style_img = image_loader("./daimg/neural-style/picasso.jpg")
content_img = image_loader("./daimg/neural-style/dancing.jpg")


assert style_img.size() == content_img.size(), \
    "we need to import style and content images of the same size"

現(xiàn)在，讓我們創(chuàng)建一個顯示圖像的功能，方法是將圖像的副本轉(zhuǎn)換為 PIL 格式，然后使用plt.imshow顯示該副本。 我們將嘗試顯示內(nèi)容和樣式圖像，以確保正確導入它們。

unloader = transforms.ToPILImage()  # reconvert into PIL image


plt.ion()


def imshow(tensor, title=None):
    image = tensor.cpu().clone()  # we clone the tensor to not do changes on it
    image = image.squeeze(0)      # remove the fake batch dimension
    image = unloader(image)
    plt.imshow(image)
    if title is not None:
        plt.title(title)
    plt.pause(0.001) # pause a bit so that plots are updated


plt.figure()
imshow(style_img, title='Style Image')


plt.figure()
imshow(content_img, title='Content Image')

損失函數(shù)

內(nèi)容損失

內(nèi)容損失是代表單個圖層內(nèi)容距離的加權版本的函數(shù)。 該功能獲取網(wǎng)絡處理輸入 中層 的特征圖 ，并返回圖像 和內(nèi)容圖像 之間的加權內(nèi)容距離 。 為了計算內(nèi)容距離，該功能必須知道內(nèi)容圖像的特征圖( ）。 我們將此功能實現(xiàn)為炬管模塊，并使用以 作為輸入的構造函數(shù)。 距離 是兩組特征圖之間的均方誤差，可以使用nn.MSELoss進行計算。

我們將直接在用于計算內(nèi)容距離的卷積層之后添加此內(nèi)容丟失模塊。 這樣，每次向網(wǎng)絡饋入輸入圖像時，都會在所需層上計算內(nèi)容損失，并且由于自動漸變，將計算所有梯度。 現(xiàn)在，為了使內(nèi)容丟失層透明，我們必須定義一種forward方法，該方法計算內(nèi)容丟失，然后返回該層的輸入。 計算出的損耗將保存為模塊的參數(shù)。

class ContentLoss(nn.Module):


    def __init__(self, target,):
        super(ContentLoss, self).__init__()
        # we 'detach' the target content from the tree used
        # to dynamically compute the gradient: this is a stated value,
        # not a variable. Otherwise the forward method of the criterion
        # will throw an error.
        self.target = target.detach()


    def forward(self, input):
        self.loss = F.mse_loss(input, self.target)
        return input

注意：

重要細節(jié)：盡管此模塊名為ContentLoss，但它不是真正的 PyTorch Loss 函數(shù)。 如果要將內(nèi)容損失定義為 PyTorch 損失函數(shù)，則必須創(chuàng)建一個 PyTorch autograd 函數(shù)以使用backward方法手動重新計算/實現(xiàn)漸變。

風格損失

樣式丟失模塊的實現(xiàn)類似于內(nèi)容丟失模塊。 在網(wǎng)絡中它將充當透明層，計算該層的樣式損失。 為了計算樣式損失，我們需要計算語法矩陣 。 gram 矩陣是給定矩陣與其轉(zhuǎn)置矩陣相乘的結(jié)果。 在此應用程序中，給定的矩陣是圖層 的特征圖 的重塑版本。  被重塑以形成 ，  x  矩陣，其中 是第 層特征圖的數(shù)量， 是任何矢量化特征圖 的長度 ]。 例如， 的第一行對應于第一矢量化特征圖 。

最后，必須通過將每個元素除以矩陣中元素的總數(shù)來對 gram 矩陣進行歸一化。 此歸一化是為了抵消 尺寸較大的 矩陣在 Gram 矩陣中產(chǎn)生較大值的事實。 這些較大的值將導致第一層(在合并池之前）在梯度下降期間具有較大的影響。 樣式特征往往位于網(wǎng)絡的更深層，因此此標準化步驟至關重要。

def gram_matrix(input):
    a, b, c, d = input.size()  # a=batch size(=1)
    # b=number of feature maps
    # (c,d)=dimensions of a f. map (N=c*d)


    features = input.view(a * b, c * d)  # resise F_XL into \hat F_XL


    G = torch.mm(features, features.t())  # compute the gram product


    # we 'normalize' the values of the gram matrix
    # by dividing by the number of element in each feature maps.
    return G.div(a * b * c * d)

現(xiàn)在，樣式丟失模塊看起來幾乎與內(nèi)容丟失模塊完全一樣。 還使用 和 之間的均方誤差來計算樣式距離。

class StyleLoss(nn.Module):


    def __init__(self, target_feature):
        super(StyleLoss, self).__init__()
        self.target = gram_matrix(target_feature).detach()


    def forward(self, input):
        G = gram_matrix(input)
        self.loss = F.mse_loss(G, self.target)
        return input

導入模型

現(xiàn)在我們需要導入一個預訓練的神經(jīng)網(wǎng)絡。 我們將使用 19 層 VGG 網(wǎng)絡，就像本文中使用的那樣。

PyTorch 的 VGG 實現(xiàn)是一個模塊，分為兩個子Sequential模塊：features(包含卷積和池化層）和classifier(包含完全連接的層）。 我們將使用features模塊，因為我們需要各個卷積層的輸出來測量內(nèi)容和樣式損失。 某些層在訓練期間的行為與評估不同，因此我們必須使用.eval()將網(wǎng)絡設置為評估模式。

cnn = models.vgg19(pretrained=True).features.to(device).eval()

另外，在圖像上訓練 VGG 網(wǎng)絡，每個通道的均值通過均值= [0.485，0.456，0.406]和 std = [0.229，0.224，0.225]歸一化。 在將其發(fā)送到網(wǎng)絡之前，我們將使用它們對圖像進行規(guī)范化。

cnn_normalization_mean = torch.tensor([0.485, 0.456, 0.406]).to(device)
cnn_normalization_std = torch.tensor([0.229, 0.224, 0.225]).to(device)


## create a module to normalize input image so we can easily put it in a
## nn.Sequential
class Normalization(nn.Module):
    def __init__(self, mean, std):
        super(Normalization, self).__init__()
        # .view the mean and std to make them [C x 1 x 1] so that they can
        # directly work with image Tensor of shape [B x C x H x W].
        # B is batch size. C is number of channels. H is height and W is width.
        self.mean = torch.tensor(mean).view(-1, 1, 1)
        self.std = torch.tensor(std).view(-1, 1, 1)


    def forward(self, img):
        # normalize img
        return (img - self.mean) / self.std

Sequential模塊包含子模塊的有序列表。 例如，vgg19.features包含以正確的深度順序排列的序列(Conv2d，ReLU，MaxPool2d，Conv2d，ReLU…）。 我們需要在檢測到的卷積層之后立即添加內(nèi)容丟失層和樣式丟失層。 為此，我們必須創(chuàng)建一個新的Sequential模塊，該模塊具有正確插入的內(nèi)容丟失和樣式丟失模塊。

# desired depth layers to compute style/content losses :
content_layers_default = ['conv_4']
style_layers_default = ['conv_1', 'conv_2', 'conv_3', 'conv_4', 'conv_5']


def get_style_model_and_losses(cnn, normalization_mean, normalization_std,
                               style_img, content_img,
                               content_layers=content_layers_default,
                               style_layers=style_layers_default):
    cnn = copy.deepcopy(cnn)


    # normalization module
    normalization = Normalization(normalization_mean, normalization_std).to(device)


    # just in order to have an iterable access to or list of content/syle
    # losses
    content_losses = []
    style_losses = []


    # assuming that cnn is a nn.Sequential, so we make a new nn.Sequential
    # to put in modules that are supposed to be activated sequentially
    model = nn.Sequential(normalization)


    i = 0  # increment every time we see a conv
    for layer in cnn.children():
        if isinstance(layer, nn.Conv2d):
            i += 1
            name = 'conv_{}'.format(i)
        elif isinstance(layer, nn.ReLU):
            name = 'relu_{}'.format(i)
            # The in-place version doesn't play very nicely with the ContentLoss
            # and StyleLoss we insert below. So we replace with out-of-place
            # ones here.
            layer = nn.ReLU(inplace=False)
        elif isinstance(layer, nn.MaxPool2d):
            name = 'pool_{}'.format(i)
        elif isinstance(layer, nn.BatchNorm2d):
            name = 'bn_{}'.format(i)
        else:
            raise RuntimeError('Unrecognized layer: {}'.format(layer.__class__.__name__))


        model.add_module(name, layer)


        if name in content_layers:
            # add content loss:
            target = model(content_img).detach()
            content_loss = ContentLoss(target)
            model.add_module("content_loss_{}".format(i), content_loss)
            content_losses.append(content_loss)


        if name in style_layers:
            # add style loss:
            target_feature = model(style_img).detach()
            style_loss = StyleLoss(target_feature)
            model.add_module("style_loss_{}".format(i), style_loss)
            style_losses.append(style_loss)


    # now we trim off the layers after the last content and style losses
    for i in range(len(model) - 1, -1, -1):
        if isinstance(model[i], ContentLoss) or isinstance(model[i], StyleLoss):
            break


    model = model[:(i + 1)]


    return model, style_losses, content_losses

接下來，我們選擇輸入圖像。 您可以使用內(nèi)容圖像或白噪聲的副本。

input_img = content_img.clone()
## if you want to use white noise instead uncomment the below line:
## input_img = torch.randn(content_img.data.size(), device=device)


## add the original input image to the figure:
plt.figure()
imshow(input_img, title='Input Image')

梯度下降

正如算法作者 Leon Gatys 在此處建議一樣，我們將使用 L-BFGS 算法來運行梯度下降。 與訓練網(wǎng)絡不同，我們希望訓練輸入圖像，以最大程度地減少內(nèi)容/樣式損失。 我們將創(chuàng)建一個 PyTorch L-BFGS 優(yōu)化器optim.LBFGS，并將圖像作為張量傳遞給它進行優(yōu)化。

def get_input_optimizer(input_img):
    # this line to show that input is a parameter that requires a gradient
    optimizer = optim.LBFGS([input_img.requires_grad_()])
    return optimizer

最后，我們必須定義一個執(zhí)行神經(jīng)傳遞的函數(shù)。 對于網(wǎng)絡的每次迭代，它都會被提供更新的輸入并計算新的損耗。 我們將運行每個損失模塊的backward方法來動態(tài)計算其梯度。 優(yōu)化器需要“關閉”功能，該功能可以重新評估模數(shù)并返回損耗。

我們還有最后一個約束要解決。 網(wǎng)絡可能會嘗試使用超出圖像的 0 到 1 張量范圍的值來優(yōu)化輸入。 我們可以通過在每次網(wǎng)絡運行時將輸入值校正為 0 到 1 之間來解決此問題。

def run_style_transfer(cnn, normalization_mean, normalization_std,
                       content_img, style_img, input_img, num_steps=300,
                       style_weight=1000000, content_weight=1):
    """Run the style transfer."""
    print('Building the style transfer model..')
    model, style_losses, content_losses = get_style_model_and_losses(cnn,
        normalization_mean, normalization_std, style_img, content_img)
    optimizer = get_input_optimizer(input_img)


    print('Optimizing..')
    run = [0]
    while run[0] <= num_steps:


        def closure():
            # correct the values of updated input image
            input_img.data.clamp_(0, 1)


            optimizer.zero_grad()
            model(input_img)
            style_score = 0
            content_score = 0


            for sl in style_losses:
                style_score += sl.loss
            for cl in content_losses:
                content_score += cl.loss


            style_score *= style_weight
            content_score *= content_weight


            loss = style_score + content_score
            loss.backward()


            run[0] += 1
            if run[0] % 50 == 0:
                print("run {}:".format(run))
                print('Style Loss : {:4f} Content Loss: {:4f}'.format(
                    style_score.item(), content_score.item()))
                print()


            return style_score + content_score


        optimizer.step(closure)


    # a last correction...
    input_img.data.clamp_(0, 1)


    return input_img

最后，我們可以運行算法。

output = run_style_transfer(cnn, cnn_normalization_mean, cnn_normalization_std,
                            content_img, style_img, input_img)


plt.figure()
imshow(output, title='Output Image')


## sphinx_gallery_thumbnail_number = 4
plt.ioff()
plt.show()

得出：

Building the style transfer model..
Optimizing..
run [50]:
Style Loss : 4.169305 Content Loss: 4.235329


run [100]:
Style Loss : 1.145476 Content Loss: 3.039176


run [150]:
Style Loss : 0.716769 Content Loss: 2.663749


run [200]:
Style Loss : 0.476047 Content Loss: 2.500893


run [250]:
Style Loss : 0.347092 Content Loss: 2.410895


run [300]:
Style Loss : 0.263698 Content Loss: 2.358449

腳本的總運行時間：(1 分鐘 20.670 秒）

Download Python source code: neural_style_tutorial.py Download Jupyter notebook: neural_style_tutorial.ipynb

由獅身人面像畫廊生成的畫廊