faceGAN by PyTorch

-
https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/03-advanced/deep_convolutional_gan

댓글

  1. 제갈식2017년 9월 29일 AM 2:50

    # 패키지 로딩
    import argparse
    import os
    # 토치 로딩
    from solver import Solver
    # 데이타 로딩용
    from data_loader import get_loader
    # 토치 백엔드.
    from torch.backends import cudnn

    답글삭제
  2. 제갈식2017년 9월 29일 AM 2:50

    # 메인 함수, 설정파일 파람
    def main(config):
    cudnn.benchmark = False
    # 이미지 로드
    data_loader = get_loader(image_path=config.image_path,
    image_size=config.image_size,
    batch_size=config.batch_size,
    num_workers=config.num_workers)
    # 솔버 설정.
    solver = Solver(config, data_loader)
    # Create directories if not exist
    # 모델과 샘플 저장용 폴더 생성.
    if not os.path.exists(config.model_path):
    os.makedirs(config.model_path)
    if not os.path.exists(config.sample_path):
    os.makedirs(config.sample_path)
    # Train and sample the images
    # 모드에 따라 학습 또는 샘플링: 샘플링은 생성
    if config.mode == 'train':
    solver.train()
    elif config.mode == 'sample':
    solver.sample()

    답글삭제
  3. 제갈식2017년 9월 29일 AM 2:51

    # 메인 루틴
    if __name__ == '__main__':
    # 아규먼트 파서
    parser = argparse.ArgumentParser()

    # model hyper-parameters
    # 모델 파람들
    parser.add_argument('--image_size', type=int, default=64)
    parser.add_argument('--z_dim', type=int, default=100)
    parser.add_argument('--g_conv_dim', type=int, default=64)
    parser.add_argument('--d_conv_dim', type=int, default=64)

    # training hyper-parameters
    # 학습 파람들.
    parser.add_argument('--num_epochs', type=int, default=20)
    parser.add_argument('--batch_size', type=int, default=6)
    parser.add_argument('--sample_size', type=int, default=10)
    parser.add_argument('--num_workers', type=int, default=4)
    parser.add_argument('--lr', type=float, default=0.0002)
    parser.add_argument('--beta1', type=float, default=0.5) # momentum1 in Adam
    parser.add_argument('--beta2', type=float, default=0.999) # momentum2 in Adam

    # misc
    # 기타 파람들.
    parser.add_argument('--mode', type=str, default='train')
    parser.add_argument('--model_path', type=str, default='./models')
    parser.add_argument('--sample_path', type=str, default='./samples')
    parser.add_argument('--image_path', type=str, default='./data')
    parser.add_argument('--log_step', type=int , default=10)
    parser.add_argument('--sample_step', type=int , default=50)

    # 파람들 콘피그에 저장
    config = parser.parse_args()
    # 파라미터 출력
    print(config)
    # 메인루틴 호출.
    main(config)

    답글삭제
  4. 제갈식2017년 9월 29일 PM 10:42

    def sample(self):

    # Load trained parameters
    # 생성 및 검사 모델 경로랑 파일명 합치기
    g_path = os.path.join(self.model_path, 'generator-%d.pkl' %(self.num_epochs))
    d_path = os.path.join(self.model_path, 'discriminator-%d.pkl' %(self.num_epochs))
    # 생성 및 검사모델 로딩
    self.generator.load_state_dict(torch.load(g_path))
    self.discriminator.load_state_dict(torch.load(d_path))
    # 모델 이상여부 검사
    self.generator.eval()
    self.discriminator.eval()

    # Sample the images
    # 노이즈영상 발생,
    noise = self.to_variable(torch.randn(self.sample_size, self.z_dim))
    # 생성모델로 페이크 이미지 발생.
    fake_images = self.generator(noise)
    # 저장할 경로 생성
    sample_path = os.path.join(self.sample_path, 'fake_samples-final.png')
    # 토치비전으로 저장
    torchvision.utils.save_image(self.denorm(fake_images.data), sample_path, nrow=12)
    # 결과 출력.
    print("Saved sampled images to '%s'" %sample_path)

    답글삭제
  5. 제갈식2017년 9월 29일 PM 11:26

    def sample(self):

    # Load trained parameters
    g_path = os.path.join(self.model_path, 'generator-%d.pkl' %(self.num_epochs))
    d_path = os.path.join(self.model_path, 'discriminator-%d.pkl' %(self.num_epochs))
    self.generator.load_state_dict(torch.load(g_path))
    self.discriminator.load_state_dict(torch.load(d_path))
    self.generator.eval()
    self.discriminator.eval()

    # Sample the images
    noise = self.to_variable(torch.randn(self.sample_size, self.z_dim))
    fake_images = self.generator(noise)
    sample_path = os.path.join(self.sample_path, 'fake_samples-final.png')
    torchvision.utils.save_image(self.denorm(fake_images.data), sample_path, nrow=12)

    print("Saved sampled images to '%s'" %sample_path)

    # Calc Discrimi loss
    for i, images in enumerate(self.data_loader):
    images = self.to_variable(images)
    outputs = self.discriminator(images)
    fake_loss = torch.mean(outputs ** 2)
    print(fake_loss)

    답글삭제
  6. 제갈식2017년 10월 24일 AM 2:56

    # Calc Anomaly Scores ------------------------------------------------
    # added by PWW, 171024 for iscx2012 Anomaly Detection
    sumASM=0.0
    k=0
    for i, images in enumerate(self.data_loader):
    # X OK
    X = self.to_variable(images)
    #print("X = ", X)
    # f(X) OK
    f_X = self.discriminator(X)
    #print("f_X = ", f_X)
    # G(z) OK
    G_Z = self.generator(noise)
    # print("G_z = ", G_Z)
    # f(G) OK
    f_G = self.discriminator(G_Z)
    # print("f_G = ", f_G)

    # R(x) = abs(x-G(z))
    R_X = torch.abs(X - G_Z)
    #print("R_X = ", R_X)
    # D(x) = abs(f(x)-f(G))
    D_X = torch.abs(f_X - f_G)
    #print("D_X = ", D_X)
    # L(z) = (1-lambda)R(x) + (lamda)D(x)
    anomalyScore = (1 - 0.5) * R_X + 0.5 * D_X
    aScoreMean = torch.mean(anomalyScore)
    # print("anomalyScore = ", aScoreMean)

    sumASM += aScoreMean
    k += 1

    meanASM= sumASM/k
    print("mean of anomalyScoreMean : ", meanASM)


    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

파이썬으로 Homomorphic Filtering 하기

-
이미지
import cv2 # For OpenCV modules (For Image I/O and Contour Finding) import numpy as np # For general purpose array manipulation import scipy . fftpack # For FFT2 #### imclearborder definition def imclearborder ( imgBW , radius ): # Given a black and white image, first find all of its contours imgBWcopy = imgBW . copy () contours , hierarchy = cv2 . findContours ( imgBWcopy . copy (), cv2 . RETR_LIST , cv2 . CHAIN_APPROX_SIMPLE ) # Get dimensions of image imgRows = imgBW . shape [ 0 ] imgCols = imgBW . shape [ 1 ] contourList = [] # ID list of contours that touch the border # For each contour... for idx in np . arange ( len ( contours )): # Get the i'th contour cnt = contours [ idx ] # Look at each point in the contour for pt in cnt : rowCnt = pt [ 0 ][ 1 ] colCnt = pt [ 0 ][ 0 ] # If this is within the radius of th...
자세한 내용 보기

파이썬으로 2D FFT/iFFT 하기: numpy 버전

-
이미지
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2 . imread ( 'messi5.jpg' , 0 ) f = np . fft . fft2 ( img ) fshift = np . fft . fftshift ( f ) magnitude_spectrum = 20 * np . log ( np . abs ( fshift )) plt . subplot ( 121 ), plt . imshow ( img , cmap = 'gray' ) plt . title ( 'Input Image' ), plt . xticks ([]), plt . yticks ([]) plt . subplot ( 122 ), plt . imshow ( magnitude_spectrum , cmap = 'gray' ) plt . title ( 'Magnitude Spectrum' ), plt . xticks ([]), plt . yticks ([]) plt . show () rows , cols = img . shape crow , ccol = rows / 2 , cols / 2 fshift [ crow - 30 : crow + 30 , ccol - 30 : ccol + 30 ] = 0 f_ishift = np . fft . ifftshift ( fshift ) img_back = np . fft . ifft2 ( f_ishift ) img_back = np . abs ( img_back ) plt . subplot ( 131 ), plt . imshow ( img , cmap = 'gray' ) plt . title ( 'Input Image' ), plt . xticks ([]), ...
자세한 내용 보기