引入模块和选择设备（Importing Packages and Selecting a Device）

引言（Introduction）

本教程解释了如何实现由Leon A Gatys, Alexander S. Ecker和Matthias Bethge开发的神经网络风格迁移算法（Neural-Style algorithm）。该算法需要三个图片：一个输入图片pi，一个内容图片pc，一个风格图片ps，然后把图片pi转换成一个和pc图片的内容相似，并与ps图片的风格相似的图片。

基础原理（Underlying Principle）

原理很简单：我们定义两个距离，一个用于内容(DC)，另一个用于风格 (DS)。DC测量两个图片之间内容的差异，而DS测量两个图片之间风格的不同。然后，我们获取第三个图片，即输入，并对其进行转换，以最小化其与内容图片的内容距离和其与风格图片之间的风格距离。现在我们可以导入必要的包并开始进行神经风格迁移。

引入模块和选择设备（Importing Packages and Selecting a Device）

以下是实现神经网络风格迁移所需的软件包列表。

torch, torch.nn, numpy (使用PyTorch进行神经网络搭建时不可缺少的包)
torch.optim (高效的梯度下降)
PIL, PIL.Image, matplotlib.pyplot (加载并展示图片)
torchvision.transforms (转换PIL images为 tensors)
torchvision.models (训练或加载预训练模型)
copy (用来进行模型的深拷贝；系统模块)

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

接下来，我们需要选择在哪个设备上运行网络并导入内容及风格图片。使用GPU会使运行速度加快。我们可以使用torch.cuda.is_available()来检测是否有可用的GPU资源。接下来，我们设置torch.device在整个教程使用。另外，.to(device)方法用于将张量或模型移动到所需的设备上。

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

下载图片（Loading the Images）

现在我们将导入风格图片及内容图片。原始PIL图片的值介于0和255之间，但是当转换为torch的张量时，它们的值被转换到0-1之间。图片也需要resize到同一尺寸。一个需要特别注意的细节是：torch库中的神经网络使用0-1的张量值进行训练。如果你将0-255的张量值喂给神经网络，那么被激活的特征图将不能感知到预期的内容和风格。然而，Caffe库中的预训练模型使用0-255的张量值图片进训练。

注意：

以下链接可下载运行本教程代码所需的图片： picasso.jpg 和dancing.jpg. 下载这两张图片并将它们添加到data\images\neural-style目录。

# desired size of the output image
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"

现在，让我们创建一个函数imshow——将图片的副本转换为PIL格式，并使用plt.imshow画出该图。最后，我们将调用plt.show()来显示内容图片和样式图片，以确保它们被正确导入。

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
unloader = transforms.ToPILImage()  # reconvert into PIL image

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.figure()
plt.subplot(1,2,1)
imshow(style_img, title='Style Image')
plt.subplot(1,2,2)
imshow(content_img, title='Content Image')
plt.show()

损失函数（Loss Functions）

内容损失（Content Loss）

内容损失是一个表示单个层的加权内容距离的函数。该函数的输入是：输入图片 $X$ 在神经网络第 $L$ 层的特征图 $F_{XL}$ ；该函数的输出是：输入图片 $X$ 和内容图片 $C$ 的加权内容距离 $w_{CL}D^{L}_{C}(X,C)$ 。为了计算内容距离，该函数必须知道内容图片的特征图( $F_{CL}$ )。我们将这个函数通过torch.Module来实现，使用 $F_{CL}$ 作为构造函数的参数。距离 $\left \| F_{XL}-F_{CL} \right \|^{2}$ 是两组特征图均方差，可以使用nn.MSELoss计算.

我们将在用于计算内容距离的卷积层之后直接添加此内容损失模块。这样，每次网络收到输入图像时，将在所需层计算内容损失，并且由于自动微分，将计算所有梯度。现在，为了使内容损失层透明，我们必须定义一个forward方法来计算内容损失，然后把输入原封不动的返回。计算的损失作为模块的参数（ContentLoss.loss）保存。

class ContentLoss(nn.Module):

    def __init__(self, target,):
        super(ContentLoss, self).__init__()
        # we 'detach' the target content from the tree used
        # to dynamically compute the gradient: this is a stated value,
        # not a variable. Otherwise the forward method of the criterion
        # will throw an error.
        self.target = target.detach()

    def forward(self, input):
        self.loss = F.mse_loss(input, self.target)
        return input

注意

重要细节: 尽管这个模块名为ContentLoss, 但它不是一个真正的Pytorch损失函数。如果要将内容损失定义为Pytorch损失函数，则必须创建torch.autograd.Function，在backward方法中自己来重新计算/实现梯度。详见https://pytorch.org/tutorials/advanced/numpy_extensions_tutorial.html

风格损失（Style Loss）

风格丢失模块的实现与内容丢失模块类似。它将充当网络中的透明层。为了计算风格损失，我们需要计算gram矩阵 $G_{XL}$ 。gram矩阵是给定矩阵乘以其转置矩阵的结果。在这个应用中，给定的矩阵是第 $L$ 层的特征图 $F_{XL}$ 的重塑版本。 $F_{XL}$ 被重塑为 $\hat{F}_{XL}$ ——一个KxN的矩阵，其中K是第L层的特征图的数量，N是矢量化特征图 $F^{k}_{XL}$ 的长度。例如， $\hat{F}_{XL}$ 的第一行对应于第一个矢量化特征图 $F^{1}_{XL}$ 。

最后，gram矩阵必须通过将每个元素除以矩阵中元素的总数来规范化。这种规范化是为了抵消这样一个事实：具有大N维的 $\hat{F}_{XL}$ 矩阵在Gram矩阵中产生更大的值。这些较大的值将导致第一层（在池化层之前）在梯度下降过程中产生更大的影响。风格特征往往在网络的深层，所以这个标准化步骤是至关重要的。

def gram_matrix(input):
    a, b, c, d = input.size()  # a=batch size(=1)
    # b=number of feature maps
    # (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

    # we 'normalize' the values of the gram matrix
    # by dividing by the number of element in each feature maps.
    return G.div(a * b * c * d)

现在，风格损失模块与内容损失模块几乎完全相同。使用 $G_{XL}$ 和 $G_{SL}$ 之间的均方误差计算风格距离。

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

引入模型（Importing the Model）

现在我们需要导入一个预训练的神经网络。我们将使用一个19层VGG网络，同论文中使用的一样。

Pytorch的VGG实现是一个分为两个子Sequential模块的模块：features （包含卷积和池化层）和classifier （包含全连接层）。我们将用到features模块，因为我们需要使用单个卷积层的输出来测量内容和风格的损失。有些层在训练过程中的行为与评估不同，因此必须使用.eval().将网络设置为评估模式。

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

此外，VGG网络在图像上进行训练，对应通道的mean=[0.485，0.456，0.406]和std=[0.229，0.224，0.225]。在将图像输入到网络之前，我们将使用它们来规范化图像。

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)

# create a module to normalize input image so we can easily put it in a
# nn.Sequential
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

Sequential 模块包含的子模块是有序列表。例如，vgg19.features 包含一个按顺序对齐的序列（Conv2d，ReLU，MaxPool2d，Conv2d，ReLU…）。我们需要在检测到的卷积层之后立即添加内容损失层和风格丢失层。为此，我们必须创建一个新的顺序模块，该模块正确插入了内容损失和风格损失模块。

# desired depth layers to compute style/content losses :
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)

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

    # just in order to have an iterable access to or list of content/syle
    # losses
    content_losses = []
    style_losses = []

    # assuming that cnn is a nn.Sequential, so we make a new nn.Sequential
    # to put in modules that are supposed to be activated sequentially
    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)
            # The in-place version doesn't play very nicely with the ContentLoss
            # and StyleLoss we insert below. So we replace with out-of-place
            # ones here.
            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:
            # add content loss:
            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:
            # add style loss:
            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)

    # now we trim off the layers after the last content and style losses
    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，我们选择输入图像。您可以使用内容图像的副本或噪声数据。

input_img = content_img.clone()
# if you want to use white noise instead uncomment the below line:
# input_img = torch.randn(content_img.data.size(), device=device)

# add the original input image to the figure:
plt.figure()
imshow(input_img, title='Input Image')
plt.show()

梯度下降（Gradient Descent）

正如该算法的作者Leon Gatys所建议的，我们将使用L-BFGS算法来运行梯度下降。与训练网络不同，这次我们训练的是输入图像，以尽量减少内容/风格的损失。我们将创建一个Pytorch L-BFGS优化器optim.LBFGS，并将图像作为张量传递给它进行优化。

def get_input_optimizer(input_img):
    # this line to show that input is a parameter that requires a gradient
    optimizer = optim.LBFGS([input_img.requires_grad_()])
    return optimizer

最后，我们必须定义一个执行神经网络风格迁移的函数。对于网络的每次迭代，它都会得到更新的输入并计算新的损失。我们将运行每个损失模块的backward方法来动态计算它们的梯度。优化器需要一个“closure”函数，该函数重新评估模块并返回损失。

我们还有最后一个限制要解决。网络优化后的输入图片的取值范围可能超过[0,1]区间。我们可以通过将输入值更正为0到1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():
            # correct the values of updated input image
            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)

    # a last correction...
    input_img.data.clamp_(0, 1)

    return input_img

最后，我们可以运行该算法。

output = run_style_transfer(cnn, cnn_normalization_mean, cnn_normalization_std,
                            content_img, style_img, input_img)

plt.figure()
imshow(output, title='Output Image')
plt.show()

输出（Output）：

Building the style transfer model..
Optimizing..
run [50]:
Style Loss : 4.252238 Content Loss: 4.272705

run [100]:
Style Loss : 1.179310 Content Loss: 3.084507

run [150]:
Style Loss : 0.728602 Content Loss: 2.676025

run [200]:
Style Loss : 0.487275 Content Loss: 2.506387

run [250]:
Style Loss : 0.351646 Content Loss: 2.414481

run [300]:
Style Loss : 0.267817 Content Loss: 2.363323

神经网络风格迁移Pytorch

引言（Introduction）

基础原理（Underlying Principle）

引入模块和选择设备（Importing Packages and Selecting a Device）

下载图片（Loading the Images）

损失函数（Loss Functions）

内容损失（Content Loss）

风格损失（Style Loss）

引入模型（Importing the Model）

梯度下降（Gradient Descent）

猜你喜欢