flatland-test.py

   1 #!/usr/bin/env python-for-pytorch
   2
   3 #
   4 #  flatland is a simple 2d physical simulator
   5 #
   6 #  Copyright (c) 2016 Idiap Research Institute, http://www.idiap.ch/
   7 #  Written by Francois Fleuret <francois.fleuret@idiap.ch>
   8 #
   9 #  This file is part of flatland
  10 #
  11 #  flatland is free software: you can redistribute it and/or modify it
  12 #  under the terms of the GNU General Public License version 3 as
  13 #  published by the Free Software Foundation.
  14 #
  15 #  flatland is distributed in the hope that it will be useful, but
  16 #  WITHOUT ANY WARRANTY; without even the implied warranty of
  17 #  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  18 #  General Public License for more details.
  19 #
  20 #  You should have received a copy of the GNU General Public License
  21 #  along with flatland.  If not, see <http://www.gnu.org/licenses/>.
  22 #
  23
  24 import torch
  25 import torchvision
  26 import argparse
  27
  28 from _ext import flatland
  29
  30 ######################################################################
  31
  32 parser = argparse.ArgumentParser(
  33     description = 'Dummy test of the flatland sequence generation.',
  34     formatter_class = argparse.ArgumentDefaultsHelpFormatter
  35 )
  36
  37 parser.add_argument('--seed',
  38                     type = int, default = 0,
  39                     help = 'Random seed, < 0 is no seeding')
  40
  41 parser.add_argument('--width',
  42                     type = int, default = 80,
  43                     help = 'Image width')
  44
  45 parser.add_argument('--height',
  46                     type = int, default = 80,
  47                     help = 'Image height')
  48
  49 parser.add_argument('--nb_shapes',
  50                     type = int, default = 8,
  51                     help = 'Image height')
  52
  53 parser.add_argument('--nb_sequences',
  54                     type = int, default = 8,
  55                     help = 'How many sequences to generate')
  56
  57 parser.add_argument('--nb_images_per_sequences',
  58                     type = int, default = 16,
  59                     help = 'How many images per sequence')
  60
  61 parser.add_argument('--randomize_colors',
  62                     action='store_true', default=True,
  63                     help = 'Should the shapes be of different colors')
  64
  65 parser.add_argument('--randomize_shape_size',
  66                     action='store_true', default=False,
  67                     help = 'Should the shapes be of different size')
  68
  69 args = parser.parse_args()
  70
  71 if args.seed >= 0:
  72     torch.manual_seed(args.seed)
  73
  74 ######################################################################
  75
  76 def sequences_to_image(x, gap = 1, gap_color = (0, 128, 255)):
  77     from PIL import Image
  78
  79     nb_sequences = x.size(0)
  80     nb_images_per_sequences = x.size(1)
  81     nb_channels = 3
  82
  83     if x.size(2) != nb_channels:
  84         print('Can only handle 3 channel tensors.')
  85         exit(1)
  86
  87     height = x.size(3)
  88     width = x.size(4)
  89
  90     result = torch.ByteTensor(nb_channels,
  91                               gap + nb_sequences * (height + gap),
  92                               gap + nb_images_per_sequences * (width + gap))
  93
  94     result.copy_(torch.Tensor(gap_color).view(-1, 1, 1).expand_as(result))
  95
  96     for s in range(0, nb_sequences):
  97         for i in range(0, nb_images_per_sequences):
  98             result.narrow(1, gap + s * (height + gap), height) \
  99                   .narrow(2, gap + i * (width + gap), width) \
 100                   .copy_(x[s][i])
 101
 102     result_numpy = result.cpu().byte().transpose(0, 2).transpose(0, 1).numpy()
 103
 104     return Image.fromarray(result_numpy, 'RGB')
 105
 106 ######################################################################
 107
 108 x = flatland.generate_sequence(False,
 109                                args.nb_sequences,
 110                                args.nb_images_per_sequences,
 111                                args.height, args.width,
 112                                args.nb_shapes,
 113                                args.randomize_shape_size,
 114                                args.randomize_colors)
 115
 116 sequences_to_image(x, gap = 3, gap_color = (0, 150, 200)).save('sequences.png')
 117
 118 print('Saved sequences.png.')