Deepdream 实现

文章来源： http://blog.csdn.net/Yan_Joy/article/details/54343806

环境准备

---

deepdream还是基于python和caffe深度网络的，因此大概需要以下环境：

• Standard Python scientific stack: NumPy, SciPy, PIL, IPython. Those libraries can also be installed as a part of one of the scientific packages for Python, such as Anaconda or Canopy.
• Caffe deep learning framework (installation instructions).
• Google protobuf library that is used for Caffe model manipulation.

代码

---

导入库

相关的环境配置好了之后，可以先试试库能不能被导入进来：

# imports and basic notebook setupfrom cStringIO import StringIOimport numpy as npimport scipy.ndimage as ndimport PIL.Imagefrom IPython.display import clear_output, Image, displayfrom google.protobuf import text_formatimport caffecaffe.set_mode_gpu();caffe.set_device(2);# 默认GPU 为0# 如果GPU 支持 CUDA 并且 Caffe 编译时添加对 CUDA 支持,可以使用caffe.set_mode_gpu()和caffe.set_device(0);def showarray(a, fmt='jpeg'):    a = np.uint8(np.clip(a, 0, 255))    f = StringIO()    PIL.Image.fromarray(a).save(f, fmt)    display(Image(data=f.getvalue()))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

加载模型

网络采用了GoogLeNet模型，需要提前下好。

model_path = '../caffe/models/bvlc_googlenet/' # 替换为自己模型的目录net_fn   = model_path + 'deploy.prototxt'param_fn = model_path + 'bvlc_googlenet.caffemodel'# Patching model to be able to compute gradients.# Note that you can also manually add "force_backward: true" line to "deploy.prototxt".# 以下部分是更改了deploy的参数，增加了"force_backward: true"，然后保存成一个临时文件用于网络。当然也可以自己手动改。model = caffe.io.caffe_pb2.NetParameter()text_format.Merge(open(net_fn).read(), model)model.force_backward = Trueopen('tmp.prototxt', 'w').write(str(model))net = caffe.Classifier('tmp.prototxt', param_fn,                       mean = np.float32([104.0, 116.0, 122.0]),                        # ImageNet mean, training set dependent                        # 均值                       channel_swap = (2,1,0))                         # the reference model has channels in BGR order instead of RGB                        # 改RGB通道# a couple of utility functions for converting to and from Caffe's input image layout# 为了caffe 数据处理的功能函数def preprocess(net, img):    return np.float32(np.rollaxis(img, 2)[::-1]) - net.transformer.mean['data']def deprocess(net, img):    return np.dstack((img + net.transformer.mean['data'])[::-1])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

做梦

Making the “dream” images is very simple. Essentially it is just a gradient ascent process that tries to maximize the L2 norm of activations of a particular DNN layer. Here are a few simple tricks that we found useful for getting good images:

• offset image by a random jitter
• normalize the magnitude of gradient ascent steps
• apply ascent across multiple scales (octaves)

做梦其实很简单，本质上，它只是一个梯度上升过程，试图最大化特定DNN层激活的L2范数。 这里有一些简单的技巧，我们发现有用的获得良好的图像：

• 由随机抖动偏移图像
• 规则化梯度上升步长的幅度
• 在多个尺度上应用上升

首先我们实现一个基本的梯度上升阶跃函数，应用前两个技巧：

# 将输入的数据(data)复制给梯度(diff)def objective_L2(dst):    dst.diff[:] = dst.data # 核心函数def make_step(net, step_size=1.5, end='inception_4c/output',               jitter=32, clip=True, objective=objective_L2):    '''Basic gradient ascent step.'''    src = net.blobs['data'] # input image is stored in Net's 'data' blob                             # 输入图像    dst = net.blobs[end]    # 目标层，默认为'inception_4c/output'    ox, oy = np.random.randint(-jitter, jitter+1, 2) # 生产抖动    src.data[0] = np.roll(np.roll(src.data[0], ox, -1), oy, -2) # apply jitter shift                                                                 # 应用抖动    net.forward(end=end) # 向前传播到指定层    objective(dst)  # specify the optimization objective                     # 指定优化目标（默认为objective_L2优化）    net.backward(start=end) # 反向传播到优化层    g = src.diff[0] # 输入图像梯度    # apply normalized ascent step to the input image    # 对输入图像应用归一化上升步长    src.data[:] += step_size/np.abs(g).mean() * g    src.data[0] = np.roll(np.roll(src.data[0], -ox, -1), -oy, -2) # unshift image                                                                   # 还原抖动    if clip:        bias = net.transformer.mean['data']        src.data[:] = np.clip(src.data, -bias, 255-bias)    
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

Next we implement an ascent through different scales. We call these scales “octaves”.

接下来，我们通过不同的尺度实现上升。 我们称这些尺度为“octaves”。 
iter_n是迭代次数，octave_n是尺度缩放次数，octave_scale是尺度缩放比例。

# 默认参数：迭代10次，缩放4次，缩放比1.4# 即原始图像迭代10次，长宽缩小1.4倍后再次迭代，一共进行4轮（包括原始尺寸）def deepdream(net, base_img, iter_n=10, octave_n=4, octave_scale=1.4,               end='inception_4c/output', clip=True, **step_params):    # prepare base images for all octaves    # 准备数据，生成octave_n个数据    octaves = [preprocess(net, base_img)]    for i in xrange(octave_n-1):        octaves.append(nd.zoom(octaves[-1], (1, 1.0/octave_scale,1.0/octave_scale), order=1))    src = net.blobs['data']    #  np.zeros_like(a):　依据给定数组(a)的形状和类型返回一个新的元素全部为1的数组。    detail = np.zeros_like(octaves[-1]) # allocate image for network-produced details     for octave, octave_base in enumerate(octaves[::-1]):        h, w = octave_base.shape[-2:]        if octave > 0:            # upscale details from the previous octave            h1, w1 = detail.shape[-2:]            detail = nd.zoom(detail, (1, 1.0*h/h1,1.0*w/w1), order=1)        src.reshape(1,3,h,w) # resize the network's input image size        src.data[0] = octave_base+detail        for i in xrange(iter_n):            make_step(net, end=end, clip=clip, **step_params)            # visualization            vis = deprocess(net, src.data[0])            if not clip: # adjust image contrast if clipping is disabled                vis = vis*(255.0/np.percentile(vis, 99.98))            showarray(vis)            print octave, i, end, vis.shape            clear_output(wait=True)        # extract details produced on the current octave        detail = src.data[0]-octave_base    # returning the resulting image    return deprocess(net, src.data[0])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

开始做梦

# 打开并显示图片img = np.float32(PIL.Image.open('sky1024px.jpg'))showarray(img)
1
2
3

_=deepdream(net, img)# 运行
1

 
 
 

一共会得到4（尺度）*10（迭代）=40张图片。 
更改结束层会改变结果，如：

_=deepdream(net, img, end='inception_3b/5x5_reduce')# 更改结束层
1

具体的层可以参考配置文件，googlenet还是比较复杂的。而且结束的越晚，就更能从图像识别出现实物体。 
如：_=deepdream(net, img, end='inception_4e/output') 

左边的云已经可以看出是一只狗的脸了。

前方高能！

上面一步就得到了奇怪的结果， 
如果把这样的输出再作为输入放到网络里呢？ 
结果比较精神污染：

这是经过大概5轮反复输入得到的结果。 
官方迭代了100次，丧心病狂啊= =

控制做梦

如果调整了我们的优化目标，就可以控制我们想要的结果。 
比如我们想把原始图像往另一张图像上靠近，可以定义一个指向性的优化目标：

def objective_guide(dst):    x = dst.data[0].copy()    y = guide_features    ch = x.shape[0]    x = x.reshape(ch,-1)    y = y.reshape(ch,-1)    A = x.T.dot(y) # compute the matrix of dot-products with guide features    dst.diff[0].reshape(ch,-1)[:] = y[:,A.argmax(1)] # select ones that match best
1
2
3
4
5
6
7
8

guide_features是需要预先提取的目标特征：

end = 'inception_3b/output'h, w = guide.shape[:2]src, dst = net.blobs['data'], net.blobs[end]src.reshape(1,3,h,w)src.data[0] = preprocess(net, guide)net.forward(end=end)guide_features = dst.data[0].copy()
1
2
3
4
5
6
7

 
好了，运行！

_=deepdream(net, img, end=end, objective=objective_guide)
1

有了花的感觉啊~

总结

正着传播过来是分类，反着过去是生成，用深度学习产生艺术作品似乎是一个很有意思的方向。而目前也有较为成熟甚至是商业化的项目了，比如deepart。如果你能够承受一定的精神污染，建议挑战一下Nightmare，这是YOLO大神的另一个作品。

deepdream-github