PyTorch 进行 Neural-Transfer

PyTorch 进行 Neural-Transfer

1.简介

本文讲解如何实现由 Leon A. Gatys，Alexander S. Ecker和Matthias Bethge提出的Neural-Style 算法。Neural-Style 或者叫 Neural-Transfer，使用一种新的风格将指定的图片进行重构。这个算法使用三张图片，一张输入图片，一张内容图片和一张风格图片，并将输入的图片变得与内容图片相似，且拥有风格图片的优美风格。

2.基本原理

定义两个间距，一个用于内容D_C，另一个用于风格D_S。D_C测量两张图片内容的不同，而D_S用来测量两张图片风格的不同。然后，输入第三张图片，并改变这张图片，使其与内容图片的内容间距和风格图片的风格间距最小化。导入必要的包，开始图像风格转换。

3.导包并选择设备

下面是一张实现图像风格转换所需包的汇总。 * torch, torch.nn, numpy：使用PyTorch进行风格转换必不可少的包 * torch.optim：高效的梯度下降 * PIL, PIL.Image, matplotlib.pyplot：加载和展示图片 * torchvision.transforms：将PIL图片转换成张量 * torchvision.models：训练或加载预训练模型 * copy：对模型进行深度拷贝；系统包

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

下一步，选择用哪一个设备来运行神经网络，导入内容和风格图片。在大量图片上运行图像风格算法需要很长时间，在GPU上运行，可以加速。可以使用torch.cuda.is_available()来判断是否有可用的GPU。下一步，使用torch.device，同时 torch.device .to(device)方法也被用来将张量或者模型移动到指定设备。

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

4.加载图片

将导入风格和内容图片。原始的PIL图片的值介于0到255之间，当转换成torch张量时，值被转换成0到1之间。图片也需要被重设成相同的维度。一个重要的细节是，torch库中的神经网络，用来训练的张量的值为0到1之间。尝试将0到255的张量图片加载到神经网络，激活的特征映射，将不能侦测到目标内容和风格。Caffe库中的预训练网络用来训练的张量值为0到255之间的图片。

注意：下载需要用到的图片的链接：picasso.jpg 和 dancing.jpg。下载这两张图片并且添加到当前工作目录中的 images文件夹。

# 所需的输出图像大小

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("./data/images/neural-style/picasso.jpg")

content_img = image_loader("./data/images/neural-style/dancing.jpg")

assert style_img.size() == content_img.size(), \

"we need to import style and content images of the same size"

，让创建一个方法，通过重新将图片转换成PIL格式来展示，并使用plt.imshow展示它的拷贝。将尝试展示内容和风格图片来确保它们被正确的导入。

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')

5.损失函数

5.1 内容损失

内容损失表示一层内容间距的加权版本。使用网络中的L层的特征映射F_XL，网络处理输入X并返回在图片X和内容图片 C之间的加权内容间距W_CL*D_C^L(X,C)。必须知道内容图片（F_CL）的特征映射来计算内容间距。以F_CL作为 构造参数输入的 torch 模型来实现。间距||F_XL-F_CL||^2是两个特征映射集合之间的平均方差，可以使用nn.MSELoss来计算。

直接添加这个内容损失模型到被用来计算内容间距的卷积层之后。每一次输入图片到网络中时，内容损失都会在目标层被计算。而且因为自动求导，所有的梯度都会被计算。为了使内容损失层透明化，必须定义一个forward方法来计算内容损失，返回该层的输入。计算的损失作为模型的参数被保存。

class ContentLoss(nn.Module):

def __init__(self, target,):

super(ContentLoss, self).__init__()

# 从用于动态计算梯度的树中“分离”目标内容：

# 这是一个声明的值，而不是变量。

# 否则标准的正向方法将引发错误。

self.target = target.detach()

def forward(self, input):

self.loss = F.mse_loss(input, self.target)

return input

注意：

重要细节：尽管这个模型的名称被命名为 ContentLoss, 不是一个真实的PyTorch损失方法。如果想要定义内容损失为PyTorch Loss方法，必须创建一个PyTorch自动求导方法，在backward方法中手动重计算/实现梯度.

5.2 风格损失

风格损失模型与内容损失模型的实现方法类似。作为一个网络中的透明层，计算相应层的风格损失。为了计算风格损失，需要 计算 Gram 矩阵G_XL。Gram 矩阵，将给定矩阵和它的转置矩阵的乘积。给定的矩阵是L层特征映射F_XL的重塑版本。 F_XL被重塑成F̂_XL，一个 KxN的矩阵，其中K是L层特征映射的数量，N是任何向量化特征映射F_XL^K的长度。例如，第一行的F̂_XL 与第一个向量化的F_XL^1。

最后，Gram 矩阵，通过将每一个元素除以矩阵中所有元素的数量进行标准化。标准化是为了消除拥有很大的N维度F̂_XL在Gram矩阵中，产生的很大的值。这些很大的值将在梯度下降的时候，对第一层（在池化层之前）产生很大的影响。风格特征往往在网络中更深的层，标准化步骤是很重要的。

def gram_matrix(input):

a, b, c, d = input.size()  # a=batch size(=1)

# 特征映射
b=number

#
(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

# 通过除以每个特征映射中的元素数来“标准化”gram矩阵的值.

return G.div(a * b * c *
d)

风格损失模型看起来和内容损失模型很像。风格间距也用G_XL和G_SL之间的均方差来计算。

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

6.导入模型

需要导入预训练的神经网络。将使用19层的 VGG 网络，就像论文中使用的一样。

PyTorch 的 VGG 模型实现被分为了两个字 Sequential 模型：features（包含卷积层和池化层）和classifier（包含全连接层）。 将使用features模型，因为需要每一层卷积层的输出来计算内容和风格损失。在训练的时候有些层会有和评估不一样的行为， 所以必须用.eval()将网络设置成评估模式。

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

此外，VGG网络通过使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]参数来标准化图片的每一个通道，并在图片上进行训练。在把图片输入神经网络之前，先使用这些参数对图片进行标准化。

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)

# 创建一个模块来规范化输入图像

# 这样就可以轻松地将它放入nn.Sequential中

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

一个 Sequential 模型，包含一个顺序排列的子模型序列。例如，vff19.features包含一个以正确的深度顺序排列的序列（Conv2d,
ReLU, MaxPool2d, Conv2d, ReLU…）。需要将自己的内容损失和风格损失层，在感知到卷积层之后立即添加进去。因此，必须创建 一个新的Sequential模型，并正确的插入内容损失和风格损失模型。

# 期望的深度层来计算样式/内容损失：

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)

# 规范化模块

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

# 只是为了拥有可迭代的访问权限或列出内容/系统损失

content_losses = []

style_losses = []

# 假设cnn是一个`nn.Sequential`，

# 所以创建一个新的`nn.Sequential`来放入应该按顺序激活的模块

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)

# 对于在下面插入的`ContentLoss`和`StyleLoss`，

# 本地版本不能很好地发挥作用。所以在这里替换不合适的

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:

# 加入内容损失:

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:

# 加入风格损失:

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)

# 在最后的内容和风格损失之后剪掉了图层

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

下一步，选择输入图片。你可以使用内容图片的副本或者白噪声。

input_img = content_img.clone()

# 如果您想使用白噪声而取消注释以下行：

#
input_img = torch.randn(content_img.data.size(), device=device)

 

# 将原始输入图像添加到图中：

plt.figure()

imshow(input_img, title='Input Image')

7.梯度下降

使用 L-BFGS 算法来进行的梯度下降。与训练一般网络不同，训练输入图片是为了最小化内容/风格损失。 要创建一个 PyTorch 的 L-BFGS 优化器optim.LBFGS，并传入的图片到其中，作为张量去优化。

def get_input_optimizer(input_img):

# 此行显示输入是需要渐变的参数

optimizer =
optim.LBFGS([input_img.requires_grad_()])

return optimizer

最后，必须定义一个方法来展示图像风格转换。对于每一次的网络迭代，都将更新过的输入传入其中并计算损失。要运行每一个 损失模型的backward方法，计算它们的梯度。优化器需要一个“关闭”方法，它重新估计模型并且返回损失。

还有最后一个问题要解决。神经网络可能会尝试使张量图片的值超过0到1之间来优化输入。可以通过在每次网络运行的时候将输入的值矫正到0到1之间来解决这个问题。

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():

# 更正更新的输入图像的值

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)

# 最后的修正......

input_img.data.clamp_(0, 1)

return input_img

最后，可以运行这个算法。

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()

• 输出结果

Building the
style transfer model..

Optimizing..

run
[50]:

Style Loss
: 4.169304 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