world.py

   1 #!/usr/bin/env python
   2
   3 import math, sys, tqdm
   4
   5 import torch, torchvision
   6
   7 from torch import nn
   8 from torch.nn import functional as F
   9 import cairo
  10
  11 ######################################################################
  12
  13
  14 class Box:
  15     nb_rgb_levels = 10
  16
  17     def __init__(self, x, y, w, h, r, g, b):
  18         self.x = x
  19         self.y = y
  20         self.w = w
  21         self.h = h
  22         self.r = r
  23         self.g = g
  24         self.b = b
  25
  26     def collision(self, scene):
  27         for c in scene:
  28             if (
  29                 self is not c
  30                 and max(self.x, c.x) <= min(self.x + self.w, c.x + c.w)
  31                 and max(self.y, c.y) <= min(self.y + self.h, c.y + c.h)
  32             ):
  33                 return True
  34         return False
  35
  36
  37 ######################################################################
  38
  39
  40 class Normalizer(nn.Module):
  41     def __init__(self, mu, std):
  42         super().__init__()
  43         self.register_buffer("mu", mu)
  44         self.register_buffer("log_var", 2 * torch.log(std))
  45
  46     def forward(self, x):
  47         return (x - self.mu) / torch.exp(self.log_var / 2.0)
  48
  49
  50 class SignSTE(nn.Module):
  51     def __init__(self):
  52         super().__init__()
  53
  54     def forward(self, x):
  55         # torch.sign() takes three values
  56         s = (x >= 0).float() * 2 - 1
  57
  58         if self.training:
  59             u = torch.tanh(x)
  60             return s + u - u.detach()
  61         else:
  62             return s
  63
  64
  65 def train_encoder(
  66     train_input,
  67     test_input,
  68     depth=2,
  69     dim_hidden=48,
  70     nb_bits_per_token=8,
  71     lr_start=1e-3,
  72     lr_end=1e-4,
  73     nb_epochs=10,
  74     batch_size=25,
  75     logger=None,
  76     device=torch.device("cpu"),
  77 ):
  78     if logger is None:
  79         logger = lambda s: print(s)
  80
  81     mu, std = train_input.float().mean(), train_input.float().std()
  82
  83     def encoder_core(depth, dim):
  84         l = [
  85             [
  86                 nn.Conv2d(
  87                     dim * 2**k, dim * 2**k, kernel_size=5, stride=1, padding=2
  88                 ),
  89                 nn.ReLU(),
  90                 nn.Conv2d(dim * 2**k, dim * 2 ** (k + 1), kernel_size=2, stride=2),
  91                 nn.ReLU(),
  92             ]
  93             for k in range(depth)
  94         ]
  95
  96         return nn.Sequential(*[x for m in l for x in m])
  97
  98     def decoder_core(depth, dim):
  99         l = [
 100             [
 101                 nn.ConvTranspose2d(
 102                     dim * 2 ** (k + 1), dim * 2**k, kernel_size=2, stride=2
 103                 ),
 104                 nn.ReLU(),
 105                 nn.ConvTranspose2d(
 106                     dim * 2**k, dim * 2**k, kernel_size=5, stride=1, padding=2
 107                 ),
 108                 nn.ReLU(),
 109             ]
 110             for k in range(depth - 1, -1, -1)
 111         ]
 112
 113         return nn.Sequential(*[x for m in l for x in m])
 114
 115     encoder = nn.Sequential(
 116         Normalizer(mu, std),
 117         nn.Conv2d(3, dim_hidden, kernel_size=1, stride=1),
 118         nn.ReLU(),
 119         # 64x64
 120         encoder_core(depth=depth, dim=dim_hidden),
 121         # 8x8
 122         nn.Conv2d(dim_hidden * 2**depth, nb_bits_per_token, kernel_size=1, stride=1),
 123     )
 124
 125     quantizer = SignSTE()
 126
 127     decoder = nn.Sequential(
 128         nn.Conv2d(nb_bits_per_token, dim_hidden * 2**depth, kernel_size=1, stride=1),
 129         # 8x8
 130         decoder_core(depth=depth, dim=dim_hidden),
 131         # 64x64
 132         nn.ConvTranspose2d(dim_hidden, 3 * Box.nb_rgb_levels, kernel_size=1, stride=1),
 133     )
 134
 135     model = nn.Sequential(encoder, decoder)
 136
 137     nb_parameters = sum(p.numel() for p in model.parameters())
 138
 139     logger(f"nb_parameters {nb_parameters}")
 140
 141     model.to(device)
 142
 143     for k in range(nb_epochs):
 144         lr = math.exp(
 145             math.log(lr_start) + math.log(lr_end / lr_start) / (nb_epochs - 1) * k
 146         )
 147         optimizer = torch.optim.Adam(model.parameters(), lr=lr)
 148
 149         acc_train_loss = 0.0
 150
 151         for input in tqdm.tqdm(train_input.split(batch_size), desc="vqae-train"):
 152             input = input.to(device)
 153             z = encoder(input)
 154             zq = z if k < 2 else quantizer(z)
 155             output = decoder(zq)
 156
 157             output = output.reshape(
 158                 output.size(0), -1, 3, output.size(2), output.size(3)
 159             )
 160
 161             train_loss = F.cross_entropy(output, input)
 162
 163             acc_train_loss += train_loss.item() * input.size(0)
 164
 165             optimizer.zero_grad()
 166             train_loss.backward()
 167             optimizer.step()
 168
 169         acc_test_loss = 0.0
 170
 171         for input in tqdm.tqdm(test_input.split(batch_size), desc="vqae-test"):
 172             input = input.to(device)
 173             z = encoder(input)
 174             zq = z if k < 1 else quantizer(z)
 175             output = decoder(zq)
 176
 177             output = output.reshape(
 178                 output.size(0), -1, 3, output.size(2), output.size(3)
 179             )
 180
 181             test_loss = F.cross_entropy(output, input)
 182
 183             acc_test_loss += test_loss.item() * input.size(0)
 184
 185         train_loss = acc_train_loss / train_input.size(0)
 186         test_loss = acc_test_loss / test_input.size(0)
 187
 188         logger(f"train_ae {k} lr {lr} train_loss {train_loss} test_loss {test_loss}")
 189         sys.stdout.flush()
 190
 191     return encoder, quantizer, decoder
 192
 193
 194 ######################################################################
 195
 196
 197 def scene2tensor(xh, yh, scene, size):
 198     width, height = size, size
 199     pixel_map = torch.ByteTensor(width, height, 4).fill_(255)
 200     data = pixel_map.numpy()
 201     surface = cairo.ImageSurface.create_for_data(
 202         data, cairo.FORMAT_ARGB32, width, height
 203     )
 204
 205     ctx = cairo.Context(surface)
 206     ctx.set_fill_rule(cairo.FILL_RULE_EVEN_ODD)
 207
 208     for b in scene:
 209         ctx.move_to(b.x * size, b.y * size)
 210         ctx.rel_line_to(b.w * size, 0)
 211         ctx.rel_line_to(0, b.h * size)
 212         ctx.rel_line_to(-b.w * size, 0)
 213         ctx.close_path()
 214         ctx.set_source_rgba(
 215             b.r / (Box.nb_rgb_levels - 1),
 216             b.g / (Box.nb_rgb_levels - 1),
 217             b.b / (Box.nb_rgb_levels - 1),
 218             1.0,
 219         )
 220         ctx.fill()
 221
 222     hs = size * 0.1
 223     ctx.set_source_rgba(0.0, 0.0, 0.0, 1.0)
 224     ctx.move_to(xh * size - hs / 2, yh * size - hs / 2)
 225     ctx.rel_line_to(hs, 0)
 226     ctx.rel_line_to(0, hs)
 227     ctx.rel_line_to(-hs, 0)
 228     ctx.close_path()
 229     ctx.fill()
 230
 231     return (
 232         pixel_map[None, :, :, :3]
 233         .flip(-1)
 234         .permute(0, 3, 1, 2)
 235         .long()
 236         .mul(Box.nb_rgb_levels)
 237         .floor_divide(256)
 238     )
 239
 240
 241 def random_scene():
 242     scene = []
 243     colors = [
 244         ((Box.nb_rgb_levels - 1), 0, 0),
 245         (0, (Box.nb_rgb_levels - 1), 0),
 246         (0, 0, (Box.nb_rgb_levels - 1)),
 247         ((Box.nb_rgb_levels - 1), (Box.nb_rgb_levels - 1), 0),
 248         (
 249             (Box.nb_rgb_levels * 2) // 3,
 250             (Box.nb_rgb_levels * 2) // 3,
 251             (Box.nb_rgb_levels * 2) // 3,
 252         ),
 253     ]
 254
 255     for k in range(10):
 256         wh = torch.rand(2) * 0.2 + 0.2
 257         xy = torch.rand(2) * (1 - wh)
 258         c = colors[torch.randint(len(colors), (1,))]
 259         b = Box(
 260             xy[0].item(), xy[1].item(), wh[0].item(), wh[1].item(), c[0], c[1], c[2]
 261         )
 262         if not b.collision(scene):
 263             scene.append(b)
 264
 265     return scene
 266
 267
 268 def generate_episode(steps, size=64):
 269     delta = 0.1
 270     effects = [
 271         (False, 0, 0),
 272         (False, delta, 0),
 273         (False, 0, delta),
 274         (False, -delta, 0),
 275         (False, 0, -delta),
 276         (True, delta, 0),
 277         (True, 0, delta),
 278         (True, -delta, 0),
 279         (True, 0, -delta),
 280     ]
 281
 282     while True:
 283         frames = []
 284
 285         scene = random_scene()
 286         xh, yh = tuple(x.item() for x in torch.rand(2))
 287
 288         actions = torch.randint(len(effects), (len(steps),))
 289         change = False
 290
 291         for s, a in zip(steps, actions):
 292             if s:
 293                 frames.append(scene2tensor(xh, yh, scene, size=size))
 294
 295             g, dx, dy = effects[a]
 296             if g:
 297                 for b in scene:
 298                     if b.x <= xh and b.x + b.w >= xh and b.y <= yh and b.y + b.h >= yh:
 299                         x, y = b.x, b.y
 300                         b.x += dx
 301                         b.y += dy
 302                         if (
 303                             b.x < 0
 304                             or b.y < 0
 305                             or b.x + b.w > 1
 306                             or b.y + b.h > 1
 307                             or b.collision(scene)
 308                         ):
 309                             b.x, b.y = x, y
 310                         else:
 311                             xh += dx
 312                             yh += dy
 313                             change = True
 314             else:
 315                 x, y = xh, yh
 316                 xh += dx
 317                 yh += dy
 318                 if xh < 0 or xh > 1 or yh < 0 or yh > 1:
 319                     xh, yh = x, y
 320
 321         if change:
 322             break
 323
 324     return frames, actions
 325
 326
 327 ######################################################################
 328
 329
 330 def generate_episodes(nb, steps):
 331     all_frames, all_actions = [], []
 332     for n in tqdm.tqdm(range(nb), dynamic_ncols=True, desc="world-data"):
 333         frames, actions = generate_episode(steps)
 334         all_frames += frames
 335         all_actions += [actions[None, :]]
 336     return torch.cat(all_frames, 0).contiguous(), torch.cat(all_actions, 0)
 337
 338
 339 def create_data_and_processors(
 340     nb_train_samples,
 341     nb_test_samples,
 342     mode,
 343     nb_steps,
 344     nb_epochs=10,
 345     device=torch.device("cpu"),
 346     device_storage=torch.device("cpu"),
 347     logger=None,
 348 ):
 349     assert mode in ["first_last"]
 350
 351     if mode == "first_last":
 352         steps = [True] + [False] * (nb_steps + 1) + [True]
 353
 354     train_input, train_actions = generate_episodes(nb_train_samples, steps)
 355     train_input, train_actions = train_input.to(device_storage), train_actions.to(device_storage)
 356     test_input, test_actions = generate_episodes(nb_test_samples, steps)
 357     test_input, test_actions = test_input.to(device_storage), test_actions.to(device_storage)
 358
 359     encoder, quantizer, decoder = train_encoder(
 360         train_input, test_input, nb_epochs=nb_epochs, logger=logger, device=device
 361     )
 362     encoder.train(False)
 363     quantizer.train(False)
 364     decoder.train(False)
 365
 366     z = encoder(train_input[:1].to(device))
 367     pow2 = (2 ** torch.arange(z.size(1), device=device))[None, None, :]
 368     z_h, z_w = z.size(2), z.size(3)
 369
 370     def frame2seq(input, batch_size=25):
 371         seq = []
 372         p = pow2.to(device)
 373         for x in input.split(batch_size):
 374             x=x.to(device)
 375             z = encoder(x)
 376             ze_bool = (quantizer(z) >= 0).long()
 377             output = (
 378                 ze_bool.permute(0, 2, 3, 1).reshape(
 379                     ze_bool.size(0), -1, ze_bool.size(1)
 380                 )
 381                 * p
 382             ).sum(-1)
 383
 384             seq.append(output)
 385
 386         return torch.cat(seq, dim=0)
 387
 388     def seq2frame(input, batch_size=25, T=1e-2):
 389         frames = []
 390         p = pow2.to(device)
 391         for seq in input.split(batch_size):
 392             seq = seq.to(device)
 393             zd_bool = (seq[:, :, None] // p) % 2
 394             zd_bool = zd_bool.reshape(zd_bool.size(0), z_h, z_w, -1).permute(0, 3, 1, 2)
 395             logits = decoder(zd_bool * 2.0 - 1.0)
 396             logits = logits.reshape(
 397                 logits.size(0), -1, 3, logits.size(2), logits.size(3)
 398             ).permute(0, 2, 3, 4, 1)
 399             output = torch.distributions.categorical.Categorical(
 400                 logits=logits / T
 401             ).sample()
 402
 403             frames.append(output)
 404
 405         return torch.cat(frames, dim=0)
 406
 407     return train_input, train_actions, test_input, test_actions, frame2seq, seq2frame
 408
 409
 410 ######################################################################
 411
 412 if __name__ == "__main__":
 413     (
 414         train_input,
 415         train_actions,
 416         test_input,
 417         test_actions,
 418         frame2seq,
 419         seq2frame,
 420     ) = create_data_and_processors(
 421         # 10000, 1000,
 422         100,
 423         100,
 424         nb_epochs=2,
 425         mode="first_last",
 426         nb_steps=20,
 427     )
 428
 429     input = test_input[:64]
 430
 431     seq = frame2seq(input)
 432
 433     print(f"{seq.size()=} {seq.dtype=} {seq.min()=} {seq.max()=}")
 434
 435     output = seq2frame(seq)
 436
 437     torchvision.utils.save_image(
 438         input.float() / (Box.nb_rgb_levels - 1), "orig.png", nrow=8
 439     )
 440
 441     torchvision.utils.save_image(
 442         output.float() / (Box.nb_rgb_levels - 1), "qtiz.png", nrow=8
 443     )