前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >torch09:variational_autoencoder(VAE)--MNIST和自己数据集

torch09:variational_autoencoder(VAE)--MNIST和自己数据集

作者头像
MachineLP
发布2019-05-26 16:48:23
1.3K0
发布2019-05-26 16:48:23
举报
文章被收录于专栏:小鹏的专栏小鹏的专栏

版权声明:本文为博主原创文章,未经博主允许不得转载。有问题可以加微信:lp9628(注明CSDN)。 https://cloud.tencent.com/developer/article/1435815

MachineLP的Github(欢迎follow):https://github.com/MachineLP

MachineLP的博客目录:小鹏的博客目录

本小节使用torch搭建VAE模型,训练和测试:

(1)定义模型超参数:输入大小、隐含单元、迭代次数、批量大小、学习率。

(2)定义训练数据。

(3)定义模型(定义需要的VAE结构)。

(4)定义损失函数,选用适合的损失函数。

(5)定义优化算法(SGD、Adam等)。

(6)保存模型。

---------------------------------我是可爱的分割线---------------------------------

代码部分:

代码语言:javascript
复制
import os
import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
from torchvision import transforms
from torchvision.utils import save_image


# 判定GPU是否存在
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 创建一个目录, 用于保存VAE输出的图像保存
sample_dir = 'samples'
if not os.path.exists(sample_dir):
    os.makedirs(sample_dir)

# 模型的超参数:输入大小、隐含层、迭代次数、batch_size、学习率。
image_size = 784
h_dim = 400
z_dim = 20
num_epochs = 15
batch_size = 128
learning_rate = 1e-3

# MNIST 数据集
dataset = torchvision.datasets.MNIST(root='./data',
                                     train=True,
                                     transform=transforms.ToTensor(),
                                     download=True)

# 构建数据管道, 使用自己的数据集请参考:https://blog.csdn.net/u014365862/article/details/80506147
data_loader = torch.utils.data.DataLoader(dataset=dataset,
                                          batch_size=batch_size, 
                                          shuffle=True)


# VAE 模型
class VAE(nn.Module):
    def __init__(self, image_size=784, h_dim=400, z_dim=20):
        super(VAE, self).__init__()
        self.fc1 = nn.Linear(image_size, h_dim)
        self.fc2 = nn.Linear(h_dim, z_dim)
        self.fc3 = nn.Linear(h_dim, z_dim)
        self.fc4 = nn.Linear(z_dim, h_dim)
        self.fc5 = nn.Linear(h_dim, image_size)
        
    def encode(self, x):
        h = F.relu(self.fc1(x))
        return self.fc2(h), self.fc3(h)
    
    # 用语两个z_dim相加。
    def reparameterize(self, mu, log_var):
        std = torch.exp(log_var/2)
        eps = torch.randn_like(std)
        return mu + eps * std

    def decode(self, z):
        h = F.relu(self.fc4(z))
        return F.sigmoid(self.fc5(h))
    
    def forward(self, x):
        mu, log_var = self.encode(x)
        z = self.reparameterize(mu, log_var)
        x_reconst = self.decode(z)
        return x_reconst, mu, log_var

# 定义模型。
model = VAE().to(device)
# 定义优化算法
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)

# 训练模型
for epoch in range(num_epochs):
    for i, (x, _) in enumerate(data_loader):
        # Forward pass
        x = x.to(device).view(-1, image_size)
        x_reconst, mu, log_var = model(x)
        
        # 计算重构误差和KL变换
        # For KL divergence, see Appendix B in VAE paper or http://yunjey47.tistory.com/43
        reconst_loss = F.binary_cross_entropy(x_reconst, x, size_average=False)
        kl_div = - 0.5 * torch.sum(1 + log_var - mu.pow(2) - log_var.exp())
        
        # 后向传播+调整参数   
        loss = reconst_loss + kl_div
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        # 每10个batch打印一次数据 
        if (i+1) % 10 == 0:
            print ("Epoch[{}/{}], Step [{}/{}], Reconst Loss: {:.4f}, KL Div: {:.4f}" 
                   .format(epoch+1, num_epochs, i+1, len(data_loader), reconst_loss.item(), kl_div.item()))
    
    # 模型测试部分      
    # 测试阶段不需要计算梯度,注意
    with torch.no_grad():
        # Save the sampled images
        z = torch.randn(batch_size, z_dim).to(device)
        out = model.decode(z).view(-1, 1, 28, 28)
        save_image(out, os.path.join(sample_dir, 'sampled-{}.png'.format(epoch+1)))

        # 保存重构后的图片
        out, _, _ = model(x)
        x_concat = torch.cat([x.view(-1, 1, 28, 28), out.view(-1, 1, 28, 28)], dim=3)
        save_image(x_concat, os.path.join(sample_dir, 'reconst-{}.png'.format(epoch+1)))

加餐1:在自己数据集上使用:

其中,train.txt中的数据格式:

gender/0male/0(2).jpg 1

gender/0male/0(3).jpeg 1

gender/0male/0(1).jpg 0

test.txt中的数据格式如下:

gender/0male/0(3).jpeg 1

gender/0male/0(1).jpg 0

gender/1female/1(6).jpg 1

代码部分:

代码语言:javascript
复制
import os
import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
from torch.utils.data import Dataset, DataLoader 
from torchvision import transforms
from torchvision.utils import save_image
from PIL import Image 


# 判定GPU是否存在
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 创建一个目录, 用于保存VAE输出的图像保存
sample_dir = 'samples'
if not os.path.exists(sample_dir):
    os.makedirs(sample_dir)

# 模型的超参数:输入大小、隐含层、迭代次数、batch_size、学习率。
image_size = 784
h_dim = 400
z_dim = 20
num_epochs = 15
batch_size = 2
learning_rate = 1e-3

def default_loader(path):          
    # 注意要保证每个batch的tensor大小时候一样的。          
    return Image.open(path).convert('RGB')          
          
class MyDataset(Dataset):          
    def __init__(self, txt, transform=None, target_transform=None, loader=default_loader):          
        fh = open(txt, 'r')          
        imgs = []          
        for line in fh:          
            line = line.strip('\n')          
            # line = line.rstrip()          
            words = line.split(' ')          
            imgs.append((words[0],int(words[1])))          
        self.imgs = imgs          
        self.transform = transform          
        self.target_transform = target_transform          
        self.loader = loader          
              
    def __getitem__(self, index):          
        fn, label = self.imgs[index]          
        img = self.loader(fn)          
        if self.transform is not None:          
            img = self.transform(img)          
        return img,label          
              
    def __len__(self):          
        return len(self.imgs)          
          
def get_loader(dataset='train.txt', crop_size=128, image_size=28, batch_size=2, mode='train', num_workers=1):          
    """Build and return a data loader."""          
    transform = []          
    if mode == 'train':          
        transform.append(transforms.RandomHorizontalFlip())          
    transform.append(transforms.CenterCrop(crop_size))          
    transform.append(transforms.Resize(image_size))          
    transform.append(transforms.ToTensor())          
    transform.append(transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5)))          
    transform = transforms.Compose(transform)          
    train_data=MyDataset(txt=dataset, transform=transform)          
    data_loader = DataLoader(dataset=train_data,          
                                  batch_size=batch_size,          
                                  shuffle=(mode=='train'),          
                                  num_workers=num_workers)          
    return data_loader          
# 注意要保证每个batch的tensor大小时候一样的。          
# data_loader = DataLoader(train_data, batch_size=2,shuffle=True)          
data_loader = get_loader('train.txt', batch_size=batch_size)          
print(len(data_loader))          
test_loader = get_loader('test.txt', batch_size=batch_size)          
print(len(test_loader)) 


# VAE 模型
class VAE(nn.Module):
    def __init__(self, image_size=784, h_dim=400, z_dim=20):
        super(VAE, self).__init__()
        self.fc1 = nn.Linear(image_size, h_dim)
        self.fc2 = nn.Linear(h_dim, z_dim)
        self.fc3 = nn.Linear(h_dim, z_dim)
        self.fc4 = nn.Linear(z_dim, h_dim)
        self.fc5 = nn.Linear(h_dim, image_size)
        
    def encode(self, x):
        h = F.relu(self.fc1(x))
        return self.fc2(h), self.fc3(h)
    
    # 用语两个z_dim相加。
    def reparameterize(self, mu, log_var):
        std = torch.exp(log_var/2)
        eps = torch.randn_like(std)
        return mu + eps * std

    def decode(self, z):
        h = F.relu(self.fc4(z))
        return F.sigmoid(self.fc5(h))
    
    def forward(self, x):
        mu, log_var = self.encode(x)
        z = self.reparameterize(mu, log_var)
        x_reconst = self.decode(z)
        return x_reconst, mu, log_var

# 定义模型。
model = VAE().to(device)
# 定义优化算法
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)

# 训练模型
for epoch in range(num_epochs):
    for i, (x, _) in enumerate(data_loader):
        # Forward pass
        x = x.to(device).view(-1, image_size)
        x_reconst, mu, log_var = model(x)
        
        # 计算重构误差和KL变换
        # For KL divergence, see Appendix B in VAE paper or http://yunjey47.tistory.com/43
        reconst_loss = F.binary_cross_entropy(x_reconst, x, size_average=False)
        kl_div = - 0.5 * torch.sum(1 + log_var - mu.pow(2) - log_var.exp())
        
        # 后向传播+调整参数   
        loss = reconst_loss + kl_div
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        # 每10个batch打印一次数据 
        if (i+1) % 10 == 0:
            print ("Epoch[{}/{}], Step [{}/{}], Reconst Loss: {:.4f}, KL Div: {:.4f}" 
                   .format(epoch+1, num_epochs, i+1, len(data_loader), reconst_loss.item(), kl_div.item()))
    
    # 模型测试部分      
    # 测试阶段不需要计算梯度,注意
    with torch.no_grad():
        # Save the sampled images
        z = torch.randn(batch_size, z_dim).to(device)
        out = model.decode(z).view(-1, 1, 28, 28)
        save_image(out, os.path.join(sample_dir, 'sampled-{}.png'.format(epoch+1)))

        # 保存重构后的图片
        out, _, _ = model(x)
        x_concat = torch.cat([x.view(-1, 1, 28, 28), out.view(-1, 1, 28, 28)], dim=3)
        save_image(x_concat, os.path.join(sample_dir, 'reconst-{}.png'.format(epoch+1)))

---------------------------------我是可爱的分割线---------------------------------

总结:

本节torch实现VAE,可以自行替换需要的网络结构进行训练。

上面加餐部分需要生成自己的txt文件(数据+标签),可以参考这个,自己以前调试用的:https://github.com/MachineLP/py_workSpace/blob/master/g_img_path.py

torch系列:

  1. torch01:torch基础
  2. torch02:logistic regression--MNIST识别
  3. torch03:linear_regression
  4. torch04:全连接神经网络--MNIST识别和自己数据集
  5. torch05:CNN--MNIST识别和自己数据集
  6. torch06:ResNet--Cifar识别和自己数据集
  7. torch07:RNN--MNIST识别和自己数据集
  8. torch08:RNN--word_language_model
  9. torch09:variational_autoencoder(VAE)--MNIST和自己数据集
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018年06月07日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档