手把手教你用 PyTorch 快速準確地建立神經(jīng)網(wǎng)絡(luò)

鷹兔牛熊眼 2019-02-03

展開全文

（給數(shù)據(jù)分析與開發(fā)加星標，提升數(shù)據(jù)技能）

英文：Shivam Bansal，轉(zhuǎn)自：數(shù)據(jù)派（ID：datapi），翻譯：陳之炎

簡介

你可能已經(jīng)在社交媒體上看到過N次關(guān)于PyTorch和 TensorFlow的兩極分化的爭論。這些框架的普及推動了近年來深度學習的興起。二者都不乏堅定的支持者，但在過去的一年里，一個明顯的贏家已經(jīng)開始出現(xiàn)。

PyTorch是2018年最流行的框架之一。它已迅速成為學術(shù)界和工業(yè)界研究人員的首選深度學習框架。在過去幾周使用了PyTorch之后，我體會到它是一個非常靈活且易于使用的深度學習庫。

在本文中，我們將探討PyTorch的全部內(nèi)容。我們將不止學習理論-還包括編寫4個不同的用例，看看PyTorch的表現(xiàn)如何。建立深度學習模型從來沒有這么有趣過！

內(nèi)容

什么是PyTorch?
利用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)
用例1：手寫數(shù)字分類(數(shù)字數(shù)據(jù)，MLP)
用例2：物體圖像分類(圖像數(shù)據(jù)，CNN)
用例3：情感文本分類(文本數(shù)據(jù)，RNN)
用例4：圖像樣式的遷移(遷移學習)

什么是PyTorch？

在深入研究PyTorch的實現(xiàn)之前，讓我們先了解一下PyTorch是什么，以及為什么它最近會變得如此流行。

PyTorch是一個基于Python的科學計算包，類似于NumPy，它具備GPU附加功能。與此同時，它也是一個深度學習框架，為實現(xiàn)和構(gòu)建深層神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)提供了最大程度的靈活性和速度。

最近發(fā)布的PyTorch 1.0幫助研究人員應(yīng)對以下四大挑戰(zhàn)：

大面積的返工
耗時的訓練
Python語言缺乏靈活性
慢速擴展

從本質(zhì)上講，PyTorch與其他深度學習框架有兩個不同點：

命令式編程
動態(tài)計算圖

命令式編程：PyTorch在遍歷每一行代碼的同時執(zhí)行計算，這與Python程序的執(zhí)行方式非常類似，這一概念稱為命令式編程，它的最大優(yōu)點是可以動態(tài)地調(diào)試代碼和編程邏輯。

動態(tài)計算圖：PyTorch被稱為“由運行定義的”框架，這意味著計算圖結(jié)構(gòu)(神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu))是在運行時生成的。該屬性的主要優(yōu)點是：它提供了一個靈活的編程運行時接口，通過連接操作來方便系統(tǒng)的構(gòu)建和修改。在PyTorch中，每個前向通路處定義一個新的計算圖，這與使用靜態(tài)圖的TensorFlow形成了鮮明的對比。

PyTorch1.0附帶了一個名為torch.jit的重要特性，它是一個高級編譯器，允許用戶分離模型和代碼。此外，它還支持在定制硬件(如GPU或TPU)上進行有效的模型優(yōu)化。

用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)

讓我們通過一個實際案例來理解PyTorch。學習理論固然好，但是如果你不把它付諸實踐的話，它就沒有多大用處了！

神經(jīng)網(wǎng)絡(luò)的PyTorch實現(xiàn)看起來與NumPy實現(xiàn)完全一樣。本節(jié)的目標是展示PyTorch和NumPy的等效性質(zhì)。為此，讓我們創(chuàng)建一個簡單的三層網(wǎng)絡(luò)，在輸入層中有5個節(jié)點，在隱藏層中有3個節(jié)點，在輸出層中有1個節(jié)點。我們只使用一個帶有五個特征和一個目標的單行訓練示例。

import torch

n_input, n_hidden, n_output = 5, 3, 1

第一步是進行參數(shù)初始化。這里，每個層的權(quán)重和偏置參數(shù)被初始化為張量變量。張量是PyTorch的基本數(shù)據(jù)結(jié)構(gòu)，用于建立不同類型的神經(jīng)網(wǎng)絡(luò)?？梢詫⑺鼈儺斪魇菙?shù)組和矩陣的推廣，換句話說，張量是N維矩陣。

## initialize tensor for inputs, and outputs

x = torch.randn((1, n_input))

y = torch.randn((1, n_output))

## initialize tensor variables for weights

w1 = torch.randn(n_input, n_hidden) # weight for hidden layer

w2 = torch.randn(n_hidden, n_output) # weight for output layer

## initialize tensor variables for bias terms

b1 = torch.randn((1, n_hidden)) # bias for hidden layer

b2 = torch.randn((1, n_output)) # bias for output layer

在參數(shù)初始化完成之后，可以通過以下四個關(guān)鍵步驟來定義和訓練神經(jīng)網(wǎng)絡(luò)：

前向傳播
損失計算
反向傳播
更新參數(shù)

讓我們更詳細地了解每一個步驟。

前向傳播：在這個步驟中，每個層都使用以下兩個公式計算激活流。這些激活流從輸入層流向輸出層，以生成最終輸出。

1. z = weight * input + bias

2. a = activation_function (z)

下面的代碼塊顯示了如何用PyTorch編寫這些步驟。請注意，大多數(shù)函數(shù)，如指數(shù)和矩陣乘法，均與NumPy中的函數(shù)相類似。

## sigmoid activation function using pytorch

def sigmoid_activation(z):

    return 1 / (1 + torch.exp(-z))

## activation of hidden layer

z1 = torch.mm(x, w1) + b1

a1 = sigmoid_activation(z1)

## activation (output) of final layer

z2 = torch.mm(a1, w2) + b2

output = sigmoid_activation(z2)

損失計算：這一步在輸出層中計算誤差 (也稱為損失)。一個簡單的損失函數(shù)可以用來衡量實際值和預測值之間的差異。稍后，我們將查看PyTorch中可用的不同類型的損失函數(shù)。

loss = y - output

反向傳播：這一步的目的是通過對偏差和權(quán)重進行邊際變化，從而將輸出層的誤差降到最低，邊際變化是利用誤差項的導數(shù)計算出來的。

根據(jù)鏈規(guī)則的微積分原理，將增量變化返回到隱藏層，并對其權(quán)重和偏差進行相應(yīng)的修正。通過對權(quán)重和偏差的調(diào)整，使得誤差最小化。

## function to calculate the derivative of activation

def sigmoid_delta(x):

  return x * (1 - x)

## compute derivative of error terms

delta_output = sigmoid_delta(output)

delta_hidden = sigmoid_delta(a1)

## backpass the changes to previous layers

d_outp = loss * delta_output

loss_h = torch.mm(d_outp, w2.t())

d_hidn = loss_h * delta_hidden

更新參數(shù)：最后一步，利用從上述反向傳播中接收到的增量變化來對權(quán)重和偏差進行更新。

learning_rate = 0.1

w2 += torch.mm(a1.t(), d_outp) * learning_rate

w1 += torch.mm(x.t(), d_hidn) * learning_rate

b2 += d_outp.sum() * learning_rate

b1 += d_hidn.sum() * learning_rate

當使用大量訓練示例對多個歷元執(zhí)行這些步驟時，損失將降至最小值。得到最終的權(quán)重和偏差值之后，用它對未知數(shù)據(jù)進行預測。

用例1：手寫數(shù)字分類

在上一節(jié)中，我們看到了用PyTorch編寫神經(jīng)網(wǎng)絡(luò)的簡單用例。在本節(jié)中，我們將利用PyTorch提供的不同的實用程序包(nn、autograd、Optimm、torchvision、torchtext等)來建立和訓練神經(jīng)網(wǎng)絡(luò)。

利用這些包可以方便地定義和管理神經(jīng)網(wǎng)絡(luò)。在這個用例中，我們將創(chuàng)建一個多層感知器(MLP)網(wǎng)絡(luò)，用于構(gòu)建手寫數(shù)字分類器。我們將使用torchvision包中的MNIST數(shù)據(jù)集。

與你將要從事的任何項目一樣，第一步是數(shù)據(jù)預處理：首先需要將原始數(shù)據(jù)集轉(zhuǎn)換為張量，并在固定范圍內(nèi)將其歸一化。torchvision包提供了一個名為 transforms的實用程序，利用它可以將不同的轉(zhuǎn)換組合在一起。

from torchvision import transforms

_tasks = transforms.Compose([

    transforms.ToTensor(),

    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))

    ])

第一個轉(zhuǎn)換是將原始數(shù)據(jù)轉(zhuǎn)換為張量，第二個轉(zhuǎn)換是通過以下操作執(zhí)行歸一化：

x_normalized = x-mean / std

數(shù)值為0.5，0.5表示紅色、綠色和藍色三個通道的均值和標準差。

from torchvision.datasets import MNIST

## Load MNIST Dataset and apply transformations

mnist = MNIST('data', download=True, train=True, transform=_tasks)

PyTorch的另一個出色的實用工具是DataLoader迭代器，它為多個處理器之間并行地批處理、搬移和加載數(shù)據(jù)提供了實現(xiàn)的可能。為了評估這個模型，我們將數(shù)據(jù)集劃分為訓練集和驗證集。

from torch.utils.data import DataLoader

from torch.utils.data.sampler import SubsetRandomSampler

## create training and validation split

split = int(0.8 * len(mnist))

index_list = list(range(len(mnist)))

train_idx, valid_idx = index_list[:split], index_list[split:]

## create sampler objects using SubsetRandomSampler

tr_sampler = SubsetRandomSampler(train_idx)

val_sampler = SubsetRandomSampler(valid_idx)

## create iterator objects for train and valid datasets

trainloader = DataLoader(mnist, batch_size=256, sampler=tr_sampler)

validloader = DataLoader(mnist, batch_size=256, sampler=val_sampler)

PyTorch中的神經(jīng)網(wǎng)絡(luò)架構(gòu)可以定義為一個類，這個類繼承了稱為Module的nn包的基礎(chǔ)類的所有屬性。來自nn.Module類的繼承使得我們可以輕松地實現(xiàn)、訪問和調(diào)用多個方法，還可以定義類的構(gòu)造函數(shù)中的各個層，以及前向傳播步驟中的前向函數(shù)。

我們將定義一個具有以下層配置的網(wǎng)絡(luò)：[784，128，10]。此配置表示輸入層中有784個節(jié)點(28*28像素)、隱藏層中有128個節(jié)點，輸出層中有10個節(jié)點。在前向函數(shù)中，我們將在隱藏層(可以通過nn模塊訪問)中使用Sigmoid激活函數(shù)。

import torch.nn.functional as F

class Model(nn.Module):

    def __init__(self):

        super().__init__()

        self.hidden = nn.Linear(784, 128)

        self.output = nn.Linear(128, 10)

  

   def forward(self, x):

        x = self.hidden(x)

        x = F.sigmoid(x)

        x = self.output(x)

        return x

model = Model()

利用nn和Optim包定義損失函數(shù)和優(yōu)化器：

from torch import optim

loss_function = nn.CrossEntropyLoss()

optimizer = optim.SGD(model.parameters(), lr=0.01, weight_decay= 1e-6, momentum = 0.9, nesterov = True)

現(xiàn)在已經(jīng)準備好，可以開始訓練模型了，其核心步驟與前一節(jié)相同：前向傳播、損失計算、反向傳播和更新參數(shù)。

for epoch in range(1, 11): ## run the model for 10 epochs

    train_loss, valid_loss = [], []

    ## training part

    model.train()

    for data, target in trainloader:

        optimizer.zero_grad()

        ## 1. forward propagation

        output = model(data)

        

        ## 2. loss calculation

        loss = loss_function(output, target)

        

        ## 3. backward propagation

        loss.backward()

        

        ## 4. weight optimization

        optimizer.step()

        

        train_loss.append(loss.item())

        

    ## evaluation part

    model.eval()

    for data, target in validloader:

        output = model(data)

        loss = loss_function(output, target)

        valid_loss.append(loss.item())

    print ('Epoch:', epoch, 'Training Loss: ', np.mean(train_loss), 'Valid Loss: ', np.mean(valid_loss))

 

>> Epoch: 1  Training Loss:  0.645777 Valid Loss:  0.344971

>> Epoch: 2  Training Loss:  0.320241 Valid Loss:  0.299313

>> Epoch: 3  Training Loss:  0.278429 Valid Loss:  0.269018

>> Epoch: 4  Training Loss:  0.246289 Valid Loss:  0.237785

>> Epoch: 5  Training Loss:  0.217010 Valid Loss:  0.217133

>> Epoch: 6  Training Loss:  0.193017 Valid Loss:  0.206074

>> Epoch: 7  Training Loss:  0.174385 Valid Loss:  0.180163

>> Epoch: 8  Training Loss:  0.157574 Valid Loss:  0.170064

>> Epoch: 9  Training Loss:  0.144316 Valid Loss:  0.162660

>> Epoch: 10 Training Loss:  0.133053 Valid Loss:  0.152957

完成了模型的訓練之后，即可在驗證數(shù)據(jù)基礎(chǔ)上進行預測。

## dataloader for validation dataset

dataiter = iter(validloader)

data, labels = dataiter.next()

output = model(data)

_, preds_tensor = torch.max(output, 1)

preds = np.squeeze(preds_tensor.numpy())

print ('Actual:', labels[:10])

print ('Predicted:', preds[:10])



>>> Actual: [0 1 1 1 2 2 8 8 2 8]

>>> Predicted: [0 1 1 1 2 2 8 8 2 8]

用例2：物體圖像分類

現(xiàn)在讓我們更進一步。

在這個用例中，我們將在PyTorch中創(chuàng)建卷積神經(jīng)網(wǎng)絡(luò)(CNN)架構(gòu)，利用流行的CIFAR-10數(shù)據(jù)集進行物體圖像分類，此數(shù)據(jù)集也包含在torchvision包中。定義和訓練模型的整個過程將與以前的用例相同，唯一的區(qū)別只是在網(wǎng)絡(luò)中引入了額外的層。

加載并轉(zhuǎn)換數(shù)據(jù)集：

## load the dataset

from torchvision.datasets import CIFAR10

cifar = CIFAR10('data', train=True, download=True, transform=_tasks)

## create training and validation split

split = int(0.8 * len(cifar))

index_list = list(range(len(cifar)))

train_idx, valid_idx = index_list[:split], index_list[split:]

## create training and validation sampler objects

tr_sampler = SubsetRandomSampler(train_idx)

val_sampler = SubsetRandomSampler(valid_idx)

## create iterator objects for train and valid datasets

trainloader = DataLoader(cifar, batch_size=256, sampler=tr_sampler)

validloader = DataLoader(cifar, batch_size=256, sampler=val_sampler)

我們將創(chuàng)建三個用于低層特征提取的卷積層、三個用于最大信息量提取的池化層和兩個用于線性分類的線性層。

class Model(nn.Module):

    def __init__(self):

        super(Model, self).__init__()

        

        ## define the layers

        self.conv1 = nn.Conv2d(3, 16, 3, padding=1)

        self.conv2 = nn.Conv2d(16, 32, 3, padding=1)

        self.conv3 = nn.Conv2d(32, 64, 3, padding=1)

        self.pool = nn.MaxPool2d(2, 2)

        self.linear1 = nn.Linear(1024, 512)

        self.linear2 = nn.Linear(512, 10)

    

    def forward(self, x):

        x = self.pool(F.relu(self.conv1(x)))

        x = self.pool(F.relu(self.conv2(x)))

        x = self.pool(F.relu(self.conv3(x)))

        x = x.view(-1, 1024) ## reshaping

        x = F.relu(self.linear1(x))

        x = self.linear2(x)

        return x

model = Model()

定義損失函數(shù)和優(yōu)化器：

import torch.optim as optim

loss_function = nn.CrossEntropyLoss()

optimizer = optim.SGD(model.parameters(), lr=0.01, weight_decay= 1e-6, momentum = 0.9, nesterov = True)

## run for 30 Epochs

for epoch in range(1, 31):

    train_loss, valid_loss = [], []

    ## training part

    model.train()

    for data, target in trainloader:

        optimizer.zero_grad()

        output = model(data)

        loss = loss_function(output, target)

        loss.backward()

        optimizer.step()

        train_loss.append(loss.item())

        

    ## evaluation part

    model.eval()

    for data, target in validloader:

        output = model(data)

        loss = loss_function(output, target)

        valid_loss.append(loss.item())

完成了模型的訓練之后，即可在驗證數(shù)據(jù)基礎(chǔ)上進行預測。

## dataloader for validation dataset

dataiter = iter(validloader)

data, labels = dataiter.next()

output = model(data)

_, preds_tensor = torch.max(output, 1)

preds = np.squeeze(preds_tensor.numpy())

print ('Actual:', labels[:10])

print ('Predicted:', preds[:10])

Actual: ['truck', 'truck', 'truck', 'horse', 'bird', 'truck', 'ship', 'bird', 'deer', 'bird']

Pred:   ['truck', 'automobile', 'automobile', 'horse', 'bird', 'airplane', 'ship', 'bird', 'deer', 'bird']

用例3：情感文本分類

我們將從計算機視覺用例轉(zhuǎn)向自然語言處理，目的是展示PyTorch在不同領(lǐng)域的不同應(yīng)用。

在本節(jié)中，我們將利用基于RNN（遞歸神經(jīng)網(wǎng)絡(luò)）和LSTM（長短期記憶）層的Pyotch來完成文本分類任務(wù)。首先，加載包含兩個字段（文本和目標）的數(shù)據(jù)集。目標包含兩個類：class1和class2，我們的任務(wù)是將每個文本分為其中一個類。

可以在下面的鏈接中下載數(shù)據(jù)集。

https://s3-ap-south-1./av-blog-media/wp-content/uploads/2019/01/train.csv

train = pd.read_csv('train.csv')

x_train = train['text'].values

y_train = train['target'].values

強烈建議在編碼之前先設(shè)置種子，它可以保證你看到的結(jié)果與我的相同-這是在學習新概念時非常有用(也很有益)的特征。

np.random.seed(123)

torch.manual_seed(123)

torch.cuda.manual_seed(123)

torch.backends.cudnn.deterministic = True

在預處理步驟中，首先將文本數(shù)據(jù)轉(zhuǎn)換為tokens序列，之后便可以將其傳遞到嵌入層。我將利用Keras包中提供的實用程序來進行預處理，利用torchtext包也同樣可以實現(xiàn)。

from keras.preprocessing import text, sequence

## create tokens

tokenizer = Tokenizer(num_words = 1000)

tokenizer.fit_on_texts(x_train)

word_index = tokenizer.word_index

## convert texts to padded sequences

x_train = tokenizer.texts_to_sequences(x_train)

x_train = pad_sequences(x_train, maxlen = 70)

接下來，需要將tokens轉(zhuǎn)換成向量。為此，利用預先訓練過的GloVe詞嵌入。我們將加載這些單詞嵌入，并創(chuàng)建一個包含單詞向量的嵌入矩陣。

GloVe：
https://github.com/stanfordnlp/GloVe

EMBEDDING_FILE = 'glove.840B.300d.txt'

embeddings_index = {}

for i, line in enumerate(open(EMBEDDING_FILE)):

    val = line.split()

    embeddings_index[val[0]] = np.asarray(val[1:], dtype='float32')

embedding_matrix = np.zeros((len(word_index) + 1, 300))

for word, i in word_index.items():

    embedding_vector = embeddings_index.get(word)

    if embedding_vector is not None:

        embedding_matrix[i] = embedding_vector

使用嵌入層和LSTM層定義模型架構(gòu)：

class Model(nn.Module):

    def __init__(self):

        super(Model, self).__init__()

        

        ## Embedding Layer, Add parameter

        self.embedding = nn.Embedding(max_features, embed_size)

        et = torch.tensor(embedding_matrix, dtype=torch.float32)

        self.embedding.weight = nn.Parameter(et)

        self.embedding.weight.requires_grad = False

        self.embedding_dropout = nn.Dropout2d(0.1)

        self.lstm = nn.LSTM(300, 40)        

        self.linear = nn.Linear(40, 16)

        self.out = nn.Linear(16, 1)

        self.relu = nn.ReLU()

   def forward(self, x):

        h_embedding = self.embedding(x)        

        h_lstm, _ = self.lstm(h_embedding)

        max_pool, _ = torch.max(h_lstm, 1)        

        linear = self.relu(self.linear(max_pool))

        out = self.out(linear)

        return out

model = Model()

創(chuàng)建訓練和驗證集：

from torch.utils.data import TensorDataset

## create training and validation split

split_size = int(0.8 * len(train_df))

index_list = list(range(len(train_df)))

train_idx, valid_idx = index_list[:split], index_list[split:]

## create iterator objects for train and valid datasets

x_tr = torch.tensor(x_train[train_idx], dtype=torch.long)

y_tr = torch.tensor(y_train[train_idx], dtype=torch.float32)

train = TensorDataset(x_tr, y_tr)

trainloader = DataLoader(train, batch_size=128)

x_val = torch.tensor(x_train[valid_idx], dtype=torch.long)

y_val = torch.tensor(y_train[valid_idx], dtype=torch.float32)

valid = TensorDataset(x_val, y_val)

validloader = DataLoader(valid, batch_size=128)

定義損失和優(yōu)化器：

loss_function = nn.BCEWithLogitsLoss(reduction='mean')

optimizer = optim.Adam(model.parameters())

訓練模型：

## run for 10 Epochs

for epoch in range(1, 11):

    train_loss, valid_loss = [], []

## training part

    model.train()

    for data, target in trainloader:

        optimizer.zero_grad()

        output = model(data)

        loss = loss_function(output, target.view(-1,1))

        loss.backward()

        optimizer.step()

        train_loss.append(loss.item())

        

    ## evaluation part

    model.eval()

    for data, target in validloader:

        output = model(data)

        loss = loss_function(output, target.view(-1,1))

        valid_loss.append(loss.item())

最后得到預測結(jié)果：

dataiter = iter(validloader)

data, labels = dataiter.next()

output = model(data)

_, preds_tensor = torch.max(output, 1)

preds = np.squeeze(preds_tensor.numpy())

Actual: [0 1 1 1 1 0 0 0 0]

Predicted: [0 1 1 1 1 1 1 1 0 0]

用例4：圖像樣式遷移

讓我們來看最后一個用例，在這里我們將執(zhí)行圖形樣式的遷移。這是我經(jīng)歷過的最有創(chuàng)意的項目之一，希望你也能玩得開心。樣式遷移概念背后的基本理念是：

從一幅圖像中獲取對象/內(nèi)容
從另一幅圖像中獲取樣式/紋理
生成二者混合的最終圖像

“利用卷積網(wǎng)絡(luò)進行圖像樣式遷移”這篇論文中對這一概念做了介紹，樣式遷移的一個例子如下：

太棒了，對吧？讓我們看看它在PyTorch中是如何實現(xiàn)的。這一進程包括六個步驟：

從兩個輸入圖像中提取低層特征。這可以使用VGG 19這樣的預訓練的深度學習模型。

from torchvision import models

# get the features portion from VGG19

vgg = models.vgg19(pretrained=True).features

 

# freeze all VGG parameters

for param in vgg.parameters():

    param.requires_grad_(False)

# check if GPU is available

device = torch.device('cpu')

if torch.cuda.is_available():

    device = torch.device('cuda')

vgg.to(device)

將這兩幅圖像加載到設(shè)備上，并從VGG中獲取特征。另外，也可以應(yīng)用以下轉(zhuǎn)換：調(diào)整張量的大小，以及值的歸一化。

from torchvision import transforms as tf

def transformation(img):

    tasks = tf.Compose([tf.Resize(400), tf.ToTensor(),

               tf.Normalize((0.44,0.44,0.44),(0.22,0.22,0.22))])

    img = tasks(img)[:3,:,:].unsqueeze(0)    

    return img

img1 = Image.open('image1.jpg').convert('RGB')

img2 = Image.open('image2.jpg').convert('RGB')

img1 = transformation(img1).to(device)

img2 = transformation(img2).to(device)

現(xiàn)在，我們需要獲得這兩幅圖像的相關(guān)特征。從第一個圖像中，我們需要提取內(nèi)容或與存在的對象相關(guān)的特征；從第二張圖像中，我們需要提取與樣式和紋理相關(guān)的特征。

對象相關(guān)特征：在最初的文章中，作者建議可以從網(wǎng)絡(luò)的初始層中提取更有價值的對象和內(nèi)容，這是因為在較高層上，信息空間變得更為復雜，像素信息細節(jié)在高層往往會丟失。

樣式相關(guān)特征：為了從第二幅圖像中獲取樣式和紋理信息，作者在不同層次上使用了不同特征之間的相關(guān)性，下文第4點對此作了詳細解釋。

在實現(xiàn)這一目標之前，讓我們來看看一個典型的VGG 19模型的結(jié)構(gòu)：

對象信息提取用到的是CONV42層，它位于第4個卷積塊中，深度為512。對于樣式的表達，用到的層是網(wǎng)絡(luò)中每個卷積塊的第一卷積層，即CONV11、CONV21、CONV31、CONV41和CONV51，這些層的選取純粹是根據(jù)作者的經(jīng)驗來做出選擇，我僅在本文中復制它們的結(jié)果。

def get_features(image, model):

    layers = {'0': 'conv1_1', '5': 'conv2_1',  '10': 'conv3_1',

              '19': 'conv4_1', '21': 'conv4_2', '28': 'conv5_1'}

    x = image

    features = {}

    for name, layer in model._modules.items():

        x = layer(x)

        if name in layers:

            features[layers[name]] = x     

    return features

img1_features = get_features(img1, vgg)

img2_features = get_features(img2, vgg)

正如前面提到的，作者使用不同層次的相關(guān)性來獲得與樣式相關(guān)的特征。這些特征的相關(guān)性由Gram矩陣G給出，其中G中的每個單元(i,j)都是層中向量特征映射i和j之間的內(nèi)積。

def correlation_matrix(tensor):

    _, d, h, w = tensor.size()    

    tensor = tensor.view(d, h * w)    

    correlation = torch.mm(tensor, tensor.t())

    return correlation

correlations = {l: correlation_matrix(img2_features[l]) for l in 

                                                    img2_features}

最終，可以利用這些特征和相關(guān)性進行樣式轉(zhuǎn)換。現(xiàn)在，為了將樣式從一個圖像轉(zhuǎn)換到另一個圖像，需要設(shè)置用于獲取樣式特征的每一層的權(quán)重。如上所述，由于初始層提供了更多的信息，因此可以為初始層設(shè)置更高的權(quán)重。此外，定義優(yōu)化器函數(shù)和目標圖像，也即是圖像1的副本。

weights = {'conv1_1': 1.0, 'conv2_1': 0.8, 'conv3_1': 0.25,

           'conv4_1': 0.21, 'conv5_1': 0.18}

 

target = img1.clone().requires_grad_(True).to(device)

optimizer = optim.Adam([target], lr=0.003)

啟動損失最小化處理過程：即在循環(huán)中運行大量步驟，來計算與對象特征提取和樣式特征提取相關(guān)的損失。利用最小化后的損失，更新網(wǎng)絡(luò)參數(shù)，進一步修正目標圖像。經(jīng)過一些迭代之后，將生成更新后的圖像。

for ii in range(1, 2001):

    

    ## calculate the content loss (from image 1 and target)

    target_features = get_features(target, vgg)

    loss = target_features['conv4_2'] - img1_features['conv4_2']

    content_loss = torch.mean((loss)**2)

    

    ## calculate the style loss (from image 2 and target)

    style_loss = 0

    for layer in weights:

        

        target_feature = target_features[layer]

        target_corr = correlation_matrix(target_feature)

        style_corr = correlations[layer]

        

        layer_loss = torch.mean((target_corr - style_corr)**2)

        layer_loss *= weights[layer]

        

        _, d, h, w = target_feature.shape

        style_loss += layer_loss / (d * h * w)   

    

    total_loss = 1e6 * style_loss + content_loss

    

    optimizer.zero_grad()

    total_loss.backward()

    optimizer.step()

最后，我們可以看到預測的結(jié)果，在這里我只運行了一小部分迭代，還可以運行多達3000次迭代(如果計算資源足夠多的話！)。

def tensor_to_image(tensor):

    image = tensor.to('cpu').clone().detach()

    image = image.numpy().squeeze()

    image = image.transpose(1, 2, 0)

    image *= np.array((0.22, 0.22, 0.22))

                       + np.array((0.44, 0.44, 0.44))

    image = image.clip(0, 1)

    return image

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 10))

ax1.imshow(tensor_to_image(img1))

ax2.imshow(tensor_to_image(target))

后記

PyTorch還可以實現(xiàn)大量的其他用例，它很快成為全球研究人員的寵兒。絕大多數(shù)PyTorch實現(xiàn)的開源庫和開發(fā)應(yīng)用可以在Github上看到。

在本文中，我闡述了什么是PyTorch，以及如何用PyTorch實現(xiàn)不同的用例，當然，這個指南只是一個出發(fā)點。如果能提供更多的數(shù)據(jù)，或進行更多的網(wǎng)絡(luò)參數(shù)微調(diào)，那么每個用例的性能都可以得到大幅度提高，最重要的是如果在構(gòu)建網(wǎng)絡(luò)體系架構(gòu)時應(yīng)用創(chuàng)新技能，也能提高用例的性能。感謝你的閱讀，并請在下面的評論部分留下你的反饋。