PyTorch VAE

Pytorch vae

更新22/12/2021： Pytorch Lightning 1.5.6バージョンのサポートを追加し、コードをクリーンアップしました。

再現性に焦点を当てて、Pytorchに実装された変分自動エンコーダー（VAE）のコレクション。このプロジェクトの目的は、多くのクールなvaeモデルに迅速かつシンプルな作業例を提供することです。すべてのモデルは、一貫性と比較のためにCelebaデータセットでトレーニングされています。すべてのモデルのアーキテクチャは、元の論文が根本的に異なるアーキテクチャを必要とする場合を除き、同じレイヤーで可能な限り類似して保持されます（他のモデルとは異なり、VQ VAEは残留層とバッチノームを使用しません）。各モデルの結果は次のとおりです。

要件

• Python> = 3.5
• pytorch> = 1.3
• Pytorch Lightning> = 0.6.0（Github Repo）
• CUDA対応コンピューティングデバイス

インストール

 $ git clone https://github.com/AntixK/PyTorch-VAE
$ cd PyTorch-VAE
$ pip install -r requirements.txt

使用法

 $ cd PyTorch-VAE
$ python run.py -c configs/<config-file-name.yaml>

構成ファイルテンプレート

 model_params :
  name : " <name of VAE model> "
  in_channels : 3
  latent_dim : 
    .         # Other parameters required by the model
    .
    .

data_params :
  data_path : " <path to the celebA dataset> "
  train_batch_size : 64 # Better to have a square number
  val_batch_size :  64
  patch_size : 64  # Models are designed to work for this size
  num_workers : 4
  
exp_params :
  manual_seed : 1265
  LR : 0.005
  weight_decay :
    .         # Other arguments required for training, like scheduler etc.
    .
    .

trainer_params :
  gpus : 1         
  max_epochs : 100
  gradient_clip_val : 1.5
    .
    .
    .

logging_params :
  save_dir : " logs/ "
  name : " <experiment name> "

テンソルボードのログを表示します

 $ cd logs/<experiment name>/version_<the version you want>
$ tensorboard --logdir .

注：デフォルトのデータセットはcelebaです。ただし、Googleドライブからデータセットをダウンロードすることには多くの問題がありました（ファイル構造の変更により）。したがって、推奨事項は、Googleドライブからファイルを直接ダウンロードし、選択したパスに抽出することです。構成ファイルで想定されるデフォルトのパスは、 `data/celeba/img_align_celeba 'です。しかし、あなたはあなたの好みに応じてそれを変更することができます。

---

結果

モデル	紙	再建	サンプル
vae（code、config）	リンク
条件付きvae（コード、構成）	リンク
WAE -MMD（RBFカーネル）（コード、config）	リンク
wae -mmd（imq kernel）（code、config）	リンク
beta-vae（code、config）	リンク
disentangled beta-vae（code、config）	リンク
beta-tc-vae（code、config）	リンク
iwae（ k = 5 ）（code、config）	リンク
miwae（ k = 5、m = 3 ）（code、config）	リンク
dfcvae（code、config）	リンク
mssim vae（code、config）	リンク
カテゴリーVAE（code、config）	リンク
共同vae（code、config）	リンク
情報vae（code、config）	リンク
logcosh vae（code、config）	リンク
Swae（200の予測）（コード、構成）	リンク
vq-vae（ k = 512、d = 64 ）（code、config）	リンク		n/a
dip vae（code、config）	リンク

貢献

これらの実装を使用して、構成ファイルにハイパーパラムを微調整することで、より良いモデルをトレーニングした場合、このレポで（構成ファイルとともに）結果をこのレポを引用して喜んで含めます。

さらに、いくつかのモデルを提供したい場合は、PRを提出してください。

ライセンス

Apacheライセンス2.0

権限	制限	条件
Commercial Commercial使用	トレードマークの使用	ⓘライセンスと著作権通知
✔️変更	責任	ⓘ状態の変更
✔️分布	保証
patent特許の使用
privateプライベート使用

引用

 @misc{Subramanian2020,
  author = {Subramanian, A.K},
  title = {PyTorch-VAE},
  year = {2020},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {url{https://github.com/AntixK/PyTorch-VAE}}
}

---