tiny_vae.py

   1 #!/usr/bin/env python
   2
   3 # @XREMOTE_HOST: elk.fleuret.org
   4 # @XREMOTE_EXEC: python
   5 # @XREMOTE_PRE: source ${HOME}/misc/venv/pytorch/bin/activate
   6 # @XREMOTE_PRE: ln -sf ${HOME}/data/pytorch ./data
   7 # @XREMOTE_GET: *.png
   8
   9 # Any copyright is dedicated to the Public Domain.
  10 # https://creativecommons.org/publicdomain/zero/1.0/
  11
  12 # Written by Francois Fleuret <francois@fleuret.org>
  13
  14 import sys, os, argparse, time, math, itertools
  15
  16 import torch, torchvision
  17
  18 from torch import optim, nn
  19 from torch.nn import functional as F
  20
  21 ######################################################################
  22
  23 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
  24
  25 ######################################################################
  26
  27 parser = argparse.ArgumentParser(description="Tiny LeNet-like auto-encoder.")
  28
  29 parser.add_argument("--nb_epochs", type=int, default=100)
  30
  31 parser.add_argument("--batch_size", type=int, default=100)
  32
  33 parser.add_argument("--data_dir", type=str, default="./data/")
  34
  35 parser.add_argument("--log_filename", type=str, default="train.log")
  36
  37 parser.add_argument("--latent_dim", type=int, default=32)
  38
  39 parser.add_argument("--nb_channels", type=int, default=128)
  40
  41 parser.add_argument("--no_dkl", action="store_true")
  42
  43 args = parser.parse_args()
  44
  45 log_file = open(args.log_filename, "w")
  46
  47 ######################################################################
  48
  49
  50 def log_string(s):
  51     t = time.strftime("%Y-%m-%d_%H:%M:%S - ", time.localtime())
  52
  53     if log_file is not None:
  54         log_file.write(t + s + "\n")
  55         log_file.flush()
  56
  57     print(t + s)
  58     sys.stdout.flush()
  59
  60
  61 ######################################################################
  62
  63
  64 def sample_gaussian(mu, log_var):
  65     std = log_var.mul(0.5).exp()
  66     return torch.randn(mu.size(), device=mu.device) * std + mu
  67
  68
  69 def log_p_gaussian(x, mu, log_var):
  70     var = log_var.exp()
  71     return (
  72         (-0.5 * ((x - mu).pow(2) / var) - 0.5 * log_var - 0.5 * math.log(2 * math.pi))
  73         .flatten(1)
  74         .sum(1)
  75     )
  76
  77
  78 def dkl_gaussians(mean_a, log_var_a, mean_b, log_var_b):
  79     mean_a, log_var_a = mean_a.flatten(1), log_var_a.flatten(1)
  80     mean_b, log_var_b = mean_b.flatten(1), log_var_b.flatten(1)
  81     var_a = log_var_a.exp()
  82     var_b = log_var_b.exp()
  83     return 0.5 * (
  84         log_var_b - log_var_a - 1 + (mean_a - mean_b).pow(2) / var_b + var_a / var_b
  85     ).sum(1)
  86
  87
  88 ######################################################################
  89
  90
  91 class LatentGivenImageNet(nn.Module):
  92     def __init__(self, nb_channels, latent_dim):
  93         super().__init__()
  94
  95         self.model = nn.Sequential(
  96             nn.Conv2d(1, nb_channels, kernel_size=1),  # to 28x28
  97             nn.ReLU(inplace=True),
  98             nn.Conv2d(nb_channels, nb_channels, kernel_size=5),  # to 24x24
  99             nn.ReLU(inplace=True),
 100             nn.Conv2d(nb_channels, nb_channels, kernel_size=5),  # to 20x20
 101             nn.ReLU(inplace=True),
 102             nn.Conv2d(nb_channels, nb_channels, kernel_size=4, stride=2),  # to 9x9
 103             nn.ReLU(inplace=True),
 104             nn.Conv2d(nb_channels, nb_channels, kernel_size=3, stride=2),  # to 4x4
 105             nn.ReLU(inplace=True),
 106             nn.Conv2d(nb_channels, 2 * latent_dim, kernel_size=4),
 107         )
 108
 109     def forward(self, x):
 110         output = self.model(x).view(x.size(0), 2, -1)
 111         mu, log_var = output[:, 0], output[:, 1]
 112         return mu, log_var
 113
 114
 115 class ImageGivenLatentNet(nn.Module):
 116     def __init__(self, nb_channels, latent_dim):
 117         super().__init__()
 118
 119         self.model = nn.Sequential(
 120             nn.ConvTranspose2d(latent_dim, nb_channels, kernel_size=4),
 121             nn.ReLU(inplace=True),
 122             nn.ConvTranspose2d(
 123                 nb_channels, nb_channels, kernel_size=3, stride=2
 124             ),  # from 4x4
 125             nn.ReLU(inplace=True),
 126             nn.ConvTranspose2d(
 127                 nb_channels, nb_channels, kernel_size=4, stride=2
 128             ),  # from 9x9
 129             nn.ReLU(inplace=True),
 130             nn.ConvTranspose2d(nb_channels, nb_channels, kernel_size=5),  # from 20x20
 131             nn.ReLU(inplace=True),
 132             nn.ConvTranspose2d(nb_channels, 2, kernel_size=5),  # from 24x24
 133         )
 134
 135     def forward(self, z):
 136         output = self.model(z.view(z.size(0), -1, 1, 1))
 137         mu, log_var = output[:, 0:1], output[:, 1:2]
 138         return mu, log_var
 139
 140
 141 ######################################################################
 142
 143 data_dir = os.path.join(args.data_dir, "mnist")
 144
 145 train_set = torchvision.datasets.MNIST(data_dir, train=True, download=True)
 146 train_input = train_set.data.view(-1, 1, 28, 28).float()
 147
 148 test_set = torchvision.datasets.MNIST(data_dir, train=False, download=True)
 149 test_input = test_set.data.view(-1, 1, 28, 28).float()
 150
 151 ######################################################################
 152
 153 model_q_Z_given_x = LatentGivenImageNet(
 154     nb_channels=args.nb_channels, latent_dim=args.latent_dim
 155 )
 156
 157 model_p_X_given_z = ImageGivenLatentNet(
 158     nb_channels=args.nb_channels, latent_dim=args.latent_dim
 159 )
 160
 161 optimizer = optim.Adam(
 162     itertools.chain(model_p_X_given_z.parameters(), model_q_Z_given_x.parameters()),
 163     lr=4e-4,
 164 )
 165
 166 model_p_X_given_z.to(device)
 167 model_q_Z_given_x.to(device)
 168
 169 ######################################################################
 170
 171 train_input, test_input = train_input.to(device), test_input.to(device)
 172
 173 train_mu, train_std = train_input.mean(), train_input.std()
 174 train_input.sub_(train_mu).div_(train_std)
 175 test_input.sub_(train_mu).div_(train_std)
 176
 177 ######################################################################
 178
 179 mean_p_Z = train_input.new_zeros(1, args.latent_dim)
 180 log_var_p_Z = mean_p_Z
 181
 182 for epoch in range(args.nb_epochs):
 183     acc_loss = 0
 184
 185     for x in train_input.split(args.batch_size):
 186         mean_q_Z_given_x, log_var_q_Z_given_x = model_q_Z_given_x(x)
 187         z = sample_gaussian(mean_q_Z_given_x, log_var_q_Z_given_x)
 188         mean_p_X_given_z, log_var_p_X_given_z = model_p_X_given_z(z)
 189
 190         if args.no_dkl:
 191             log_q_z_given_x = log_p_gaussian(z, mean_q_Z_given_x, log_var_q_Z_given_x)
 192             log_p_x_z = log_p_gaussian(
 193                 x, mean_p_X_given_z, log_var_p_X_given_z
 194             ) + log_p_gaussian(z, mean_p_Z, log_var_p_Z)
 195             loss = -(log_p_x_z - log_q_z_given_x).mean()
 196         else:
 197             log_p_x_given_z = log_p_gaussian(x, mean_p_X_given_z, log_var_p_X_given_z)
 198             dkl_q_Z_given_x_from_p_Z = dkl_gaussians(
 199                 mean_q_Z_given_x, log_var_q_Z_given_x, mean_p_Z, log_var_p_Z
 200             )
 201             loss = (-log_p_x_given_z + dkl_q_Z_given_x_from_p_Z).mean()
 202
 203         optimizer.zero_grad()
 204         loss.backward()
 205         optimizer.step()
 206
 207         acc_loss += loss.item() * x.size(0)
 208
 209     log_string(f"acc_loss {epoch} {acc_loss/train_input.size(0)}")
 210
 211 ######################################################################
 212
 213
 214 def save_image(x, filename):
 215     x = x * train_std + train_mu
 216     x = x.clamp(min=0, max=255) / 255
 217     torchvision.utils.save_image(1 - x, filename, nrow=16, pad_value=0.8)
 218
 219
 220 # Save a bunch of test images
 221
 222 x = test_input[:256]
 223 save_image(x, "input.png")
 224
 225 # Save the same images after encoding / decoding
 226
 227 mean_q_Z_given_x, log_var_q_Z_given_x = model_q_Z_given_x(x)
 228 z = sample_gaussian(mean_q_Z_given_x, log_var_q_Z_given_x)
 229 mean_p_X_given_z, log_var_p_X_given_z = model_p_X_given_z(z)
 230 x = sample_gaussian(mean_p_X_given_z, log_var_p_X_given_z)
 231 save_image(x, "output.png")
 232
 233 # Generate a bunch of images
 234
 235 z = sample_gaussian(mean_p_Z.expand(x.size(0), -1), log_var_p_Z.expand(x.size(0), -1))
 236 mean_p_X_given_z, log_var_p_X_given_z = model_p_X_given_z(z)
 237 x = sample_gaussian(mean_p_X_given_z, log_var_p_X_given_z)
 238 save_image(x, "synth.png")
 239
 240 ######################################################################