迁移学习︱艺术风格转化:Artistic style-transfer+ubuntu14.0+caffe(only CPU)
  • 2017/01/08 13:03
  • 编辑:代码酱
  • 浏览:430

      说起来这门技术大多是秀的成分高于实际,但是呢,其也可以作为图像增强的工具,看到一些比赛拿他作训练集扩充,还是一个比较好的思路。如何在caffe上面实现简单的风格转化呢?

     好像网上的博文都没有说清楚,而且笔者也没有GPU机器,于是乎,走上了漫漫的研究逼死自己之路...

     作者实践机器配置:


     服务器:ubuntu16.04(8 core)+caffe+only CPU


      突然觉得楷体是不是好看多了...哈哈,接下来的博客要改字体喽~


——————————————————————————————


一、图像风格迁移:image style transfer


     本节内容来源于CDA深度学习课程,由唐宇迪老师所述,主要参考论文:《Image Style Transfer Using Convolutional Neural Networks》(下载链接)


训练模型要准备四样内容:

     1、训练好的模型+参数,官方参考的是VGG16 VGG19、caffenet、googlenet四类,官方准备好下载链接;

     2、一张style风格图,用来做模仿;

     3、一张content内容图,即可。

     4、一张底图N,用来准备改写图,一般都是拿content内容图来做,caffe里面默认也是拿内容图来作为底图。



来看到论文里面的内容,以及训练好一些图像模型,保持权重不变。怎么训练?


     把style和content图都过卷积层(如上图),然后输出,不计算权重的loss,而是计算图片的loss。


保持权重不变了,那么训练的时候loss是什么?

     算法使用随机的一个白噪声图(white noise image)作为输入,定义与内容图的content loss和风格图的`style loss’,之后使用标准的BP算法更新weight,调整输入的图像(白噪声图)
     注意这里是调整输入的图,目的就是对于某个特定的输入图像x,其loss(包含content loss和style losss)达到最小

(参考博客:Image Style Transfer Using Convolutional Neural Network(理论篇))

     那么现在loss改变为

     loss=α(底图-风格图)+(1-α)(底图-内容图)=α(N-style)+(1-α)(N-content)

     其中的参数α可以理解为转化比率,就是一张图可以长得多像风格图,默认为1e4。


     这样就可以把两张图融合在一起,成为一张带有风格特点的图像。




——————————————————————————————


二、caffe实现(单CPU)


     本文不累述caffe+单CPU如何实现安装,都是在caffe可以使用的前提下进行后续。不明白可参考另外caffe+单CPU安装教程:caffe+CPU︱虚拟机+Ubuntu16.04+CPU+caffe安装笔记

1、实现前提


pycaffe是否可以使用?

     答:来到caffe文件夹下的Python文件夹(./caffe/python),打开python 然后:import caffe

有报错:

     如果是“no module caffe”的报错,修改一下环境变量:

[html]view plaincopy

  1. export PYTHONPATH=/caffe/python:$PYTHONPATH  

     如果其他报错,那你得再看看caffe安装哪一步出错了。


2、style-transfer实现步骤


(1)github下载,style-transfer相关代码,下载链接;

(2)pycaffe环境布置,因为github上的代码是基于pycaffe的,所以需要配置python progressbar,

[html]view plaincopy

  1. pip install progressbar  


(3)下载训练好模型,放在对的地方:

     方法一:官方有下载链接,执行在\scripts 下的download_models.sh 就会出现下载
     方法二:上面方法下载不了,可以直接用他们的链接下载:

googlenet:http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

caffenet:http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
vgg16:http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel
vgg19:http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_19_layers.caffemodel


     都挺大的,VGG16就有500+MB,下载好了,还不行,还要注意,放在对的文件夹下:./model/vgg16


     那么一个可以使用的训练好的模型文件夹有三样东西:ilsvrc_2012_mean.npy、VGG_ILSVRC_16_layers.caffemodel、VGG_ILSVRC_16_layers_deploy.prototxt


(4)运行模型

[html]view plaincopy

  1.  python style.py -s <style_image> -c <content_image> -m <model_name> -g 0  


要对应在style-transfer文件夹然后才执行上述代码才可以哟,才使用上述内容。

     主要必须有的参数解析:

-s,风格图位置;

-c,内容图位置;

-m,模型位置;

-g,什么模式,-1为CPU,0为单个GPU,1为两个GPU。


     其他默认或不必须参数:

     parser.add_argument("-r", "--ratio", default="1e4", type=str, required=False, help="style-to-content ratio")

非必要,转化比率,有默认值,1e4,10^-4,0.00001

     parser.add_argument("-n", "--num-iters", default=512, type=int, required=False, help="L-BFGS iterations")

非必要,有默认值,多少次会输出一次结果


3、风格/内容的比率ratio对结果的影响


         比值越小合成的图风格化越明显(参考:Image Style Transfer Using Convolutional Neural Network(理论篇))



4、初始化方法对结果的影响(以风格图作为底图还是随机产生底图)

      作者表示,扔入不同的底图方案都不会十分影响最后的结果。但是区别在于,如果你想一次性输出很多张图片的话,那么你就需要设置初始化为白噪声图,如果你一开始选择的就是内容图作为底图,那么这么多张图片都会长得一样,不具有其他分布了。




——————————————————————————————


三、网络上的案例

来自于网上:基于caffe的艺术迁移学习 style-transfer-windows+caffe


     下面是运行代码的格式:  python style.py -s <style_image> -c <content_image> -m <model_name> -g 0

在windows下 切换到style.py 所在的目录,输入代码如下

python style.py -s images/style/starry_night.jpg -c images/content/nanjing.jpg -m vgg19 -g 0

 

     可见上面例子中,style-image对应starry_night.jpg 即风格图像, content_image对应自己的照片nanjing.jpg, 模型选择vgg19, g 0对应选择默认的GPU,如果是g -1则为CPU

     然后回车就能运行,得到上述结果了。下面是运行的示意图:


     可以看到,选择GPU、然后加载图像和模型成功后就开始跑了,左侧是显示运行进度,已经是6%,还需要54分钟左右,由于图像比较大,时间比较长。


       网络上有人在titanX上合成图片,(参考:Image Style Transfer Using Convolutional Neural Network(理论篇))

一张140*480的图,迭代300次,在titan x上用时30s左右


——————————————————————————————


四、优化以及报错问题探究


1、报错一:

[html]view plaincopy

  1. 报错:WARNING: Logging before InitGoogleLogging() is written to STDERR  
  2. F1226 22:43:57.664203 10578 common.cpp:66] Cannot use GPU in CPU-only Caffe: check mode.  

     是因为你写代码的时候写错了,因为我的是CPU环境,所以要-g -1,我当时写成-g 0了(GPU环境),于是就报错了。


2、报错二:显示不了进度条:Optimizing: 0% | | ETA: --:--:--

     CPU太慢了,要等他一会,才能有时间估计...


3、优化一:为啥输出的图片都是512的呢?

     系统默认的,你风格图+内容图是什么尺寸,输出的图片都是512.当然你可以修改参数来获得更大的尺寸。参考:基于caffe的艺术迁移学习 style-transfer-windows+caffe

     更改style.py的一些内容:

parser.add_argument("-l", "--length", default=1024, type=float, required=False, help="maximum image length")

def transfer_style(self, img_style, img_content, length=1024, ratio=1e5,
n_iter=512, init="-1", verbose=False, callback=None)
     可以设置图像输出的尺寸大小,例如你自己的照片图像大小是1024*500 ,更改输出length=1024,可以获得与原始图像一致的尺寸。

     不更改的话,程序中默认输出是512宽度,和输入原始图像一致的宽长比。


——————————————————————————————


五、caffe在CPU环境下如何优化效率?


     CPU运行caffe简直就是闹着玩一样...超级慢,自己的游戏笔记本,i7-6700HQ,单核合成一张图要25h... 要人命...

1、优化办法一:多核CPU

     执行多CPU核操作,那么如何让caffe可以适应多个CPU一起用呢?笔者在网络上看了很多博文,基本在caffe配置中,就得进行修改。

     来到caffe文件夹,make clean之后,可以用多线程加速(需要sudo?):

[html]view plaincopy

  1. make all -j4  
  2. make test -j4  
  3. make runtest -j4  

     (PS,网上也有说单独在make all后面加-j4就可以了,笔者也不知道这块内容是不是这样)

     (PS,而且好像-j4,利用4核是最优的方案,核心数用多了反而不好,会出现错误或者速度变慢,why??)

执行如下命令编译 pycaffe:

[html]view plaincopy

  1. make pycaffe -j4  

     之后,再执行就ok了。但是呢,笔者在实践的过程中发现好像-j4之后,都make了,还是使用的是单核运算?  不知道有看客大牛可以留下你们的经验不..
      当然,在make pycaffe之后,还有网友有再执行make distribute的,不知道有没有用(深度学习工具caffe详细安装指南)

参考博客:
1、深度学习框架Caffe的编译安装

2、caffe配置与踩坑小结

3、开源深度学习框架Caffe在Ubuntu14.04下的搭建



2、优化办法二:caffe使用工具开启多线程:openblas-openmp(多线程版本)


     Caffe用到的Blas可以选择Altas,OpenBlas,Intel MKL,Blas承担了大量了数学工作,所以在Caffe中Blas对性能的影响很大。MKL要收费,Altas略显慢(在我的电脑上运行Caffe自带的example/mnist/lenet_solver.prototxt,大概需要45分钟。。。) 
     根据网上资料的介绍使用OpenBlas要快一些,于是尝试安装使用OpenBlas来加速训练过程。

     用OpenBlas时,OPENBLAS_NUM_THREADS设置为最大,让CPU负载跑满,并不能大幅提高速度,这是为什么?一直没搞明白。 


3、优化办法三——修改迭代次数


     修改迭代次数。作者也说特别是CPU版本的caffe,减少迭代次数,是一个非常好的办法,因为cpu太慢了。。

作者分别尝试了 50, 100, 200, 400, and 800这样5中的迭代次数。

内容图和风格图是:


之后的效果是:



感觉50的已经差不多了,迭代越多,也就是背景纹理在改变。


——————————————————————————————


六、哪种训练模型比较好?


     效率优化方面,因为不同的模型参数不一样,所以喽,你可以down一些比较小的模型也可以加速,不过其实不明显,还不如修改迭代次数来着更简单粗暴。

     参考博客:Artistic style transfer


     从外观来看,VGG模型效果比较好。caffeNet太丑,就没放,但是caffeNet是最快的(作者也是任性...)

googleNet比AlexNet参数少,网络还深,当然效果看起来,学得没VGG好。

热门评论
推荐文章
代码酱
5805文章总数
98915总阅读量
编译作者
热门频道
收藏 待读 分享