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             z = encoder(input)
 153             zq = z if k < 2 else quantizer(z)
 154             output = decoder(zq)
 155
 156             output = output.reshape(
 157                 output.size(0), -1, 3, output.size(2), output.size(3)
 158             )
 159
 160             train_loss = F.cross_entropy(output, input)
 161
 162             acc_train_loss += train_loss.item() * input.size(0)
 163
 164             optimizer.zero_grad()
 165             train_loss.backward()
 166             optimizer.step()
 167
 168         acc_test_loss = 0.0
 169
 170         for input in tqdm.tqdm(test_input.split(batch_size), desc="vqae-test"):
 171             z = encoder(input)
 172             zq = z if k < 1 else quantizer(z)
 173             output = decoder(zq)
 174
 175             output = output.reshape(
 176                 output.size(0), -1, 3, output.size(2), output.size(3)
 177             )
 178
 179             test_loss = F.cross_entropy(output, input)
 180
 181             acc_test_loss += test_loss.item() * input.size(0)
 182
 183         train_loss = acc_train_loss / train_input.size(0)
 184         test_loss = acc_test_loss / test_input.size(0)
 185
 186         logger(f"train_ae {k} lr {lr} train_loss {train_loss} test_loss {test_loss}")
 187         sys.stdout.flush()
 188
 189     return encoder, quantizer, decoder
 190
 191
 192 ######################################################################
 193
 194
 195 def scene2tensor(xh, yh, scene, size):
 196     width, height = size, size
 197     pixel_map = torch.ByteTensor(width, height, 4).fill_(255)
 198     data = pixel_map.numpy()
 199     surface = cairo.ImageSurface.create_for_data(
 200         data, cairo.FORMAT_ARGB32, width, height
 201     )
 202
 203     ctx = cairo.Context(surface)
 204     ctx.set_fill_rule(cairo.FILL_RULE_EVEN_ODD)
 205
 206     for b in scene:
 207         ctx.move_to(b.x * size, b.y * size)
 208         ctx.rel_line_to(b.w * size, 0)
 209         ctx.rel_line_to(0, b.h * size)
 210         ctx.rel_line_to(-b.w * size, 0)
 211         ctx.close_path()
 212         ctx.set_source_rgba(
 213             b.r / (Box.nb_rgb_levels - 1),
 214             b.g / (Box.nb_rgb_levels - 1),
 215             b.b / (Box.nb_rgb_levels - 1),
 216             1.0,
 217         )
 218         ctx.fill()
 219
 220     hs = size * 0.1
 221     ctx.set_source_rgba(0.0, 0.0, 0.0, 1.0)
 222     ctx.move_to(xh * size - hs / 2, yh * size - hs / 2)
 223     ctx.rel_line_to(hs, 0)
 224     ctx.rel_line_to(0, hs)
 225     ctx.rel_line_to(-hs, 0)
 226     ctx.close_path()
 227     ctx.fill()
 228
 229     return (
 230         pixel_map[None, :, :, :3]
 231         .flip(-1)
 232         .permute(0, 3, 1, 2)
 233         .long()
 234         .mul(Box.nb_rgb_levels)
 235         .floor_divide(256)
 236     )
 237
 238
 239 def random_scene():
 240     scene = []
 241     colors = [
 242         ((Box.nb_rgb_levels - 1), 0, 0),
 243         (0, (Box.nb_rgb_levels - 1), 0),
 244         (0, 0, (Box.nb_rgb_levels - 1)),
 245         ((Box.nb_rgb_levels - 1), (Box.nb_rgb_levels - 1), 0),
 246         (
 247             (Box.nb_rgb_levels * 2) // 3,
 248             (Box.nb_rgb_levels * 2) // 3,
 249             (Box.nb_rgb_levels * 2) // 3,
 250         ),
 251     ]
 252
 253     for k in range(10):
 254         wh = torch.rand(2) * 0.2 + 0.2
 255         xy = torch.rand(2) * (1 - wh)
 256         c = colors[torch.randint(len(colors), (1,))]
 257         b = Box(
 258             xy[0].item(), xy[1].item(), wh[0].item(), wh[1].item(), c[0], c[1], c[2]
 259         )
 260         if not b.collision(scene):
 261             scene.append(b)
 262
 263     return scene
 264
 265
 266 def generate_episode(steps, size=64):
 267     delta = 0.1
 268     effects = [
 269         (False, 0, 0),
 270         (False, delta, 0),
 271         (False, 0, delta),
 272         (False, -delta, 0),
 273         (False, 0, -delta),
 274         (True, delta, 0),
 275         (True, 0, delta),
 276         (True, -delta, 0),
 277         (True, 0, -delta),
 278     ]
 279
 280     while True:
 281         frames = []
 282
 283         scene = random_scene()
 284         xh, yh = tuple(x.item() for x in torch.rand(2))
 285
 286         actions = torch.randint(len(effects), (len(steps),))
 287         change = False
 288
 289         for s, a in zip(steps, actions):
 290             if s:
 291                 frames.append(scene2tensor(xh, yh, scene, size=size))
 292
 293             g, dx, dy = effects[a]
 294             if g:
 295                 for b in scene:
 296                     if b.x <= xh and b.x + b.w >= xh and b.y <= yh and b.y + b.h >= yh:
 297                         x, y = b.x, b.y
 298                         b.x += dx
 299                         b.y += dy
 300                         if (
 301                             b.x < 0
 302                             or b.y < 0
 303                             or b.x + b.w > 1
 304                             or b.y + b.h > 1
 305                             or b.collision(scene)
 306                         ):
 307                             b.x, b.y = x, y
 308                         else:
 309                             xh += dx
 310                             yh += dy
 311                             change = True
 312             else:
 313                 x, y = xh, yh
 314                 xh += dx
 315                 yh += dy
 316                 if xh < 0 or xh > 1 or yh < 0 or yh > 1:
 317                     xh, yh = x, y
 318
 319         if change:
 320             break
 321
 322     return frames, actions
 323
 324
 325 ######################################################################
 326
 327
 328 def generate_episodes(nb, steps):
 329     all_frames, all_actions = [], []
 330     for n in tqdm.tqdm(range(nb), dynamic_ncols=True, desc="world-data"):
 331         frames, actions = generate_episode(steps)
 332         all_frames += frames
 333         all_actions += [actions[None, :]]
 334     return torch.cat(all_frames, 0).contiguous(), torch.cat(all_actions, 0)
 335
 336
 337 def create_data_and_processors(
 338     nb_train_samples,
 339     nb_test_samples,
 340     mode,
 341     nb_steps,
 342     nb_epochs=10,
 343     device=torch.device("cpu"),
 344     logger=None,
 345 ):
 346     assert mode in ["first_last"]
 347
 348     if mode == "first_last":
 349         steps = [True] + [False] * (nb_steps + 1) + [True]
 350
 351     train_input, train_actions = generate_episodes(nb_train_samples, steps)
 352     train_input, train_actions = train_input.to(device), train_actions.to(device)
 353     test_input, test_actions = generate_episodes(nb_test_samples, steps)
 354     test_input, test_actions = test_input.to(device), test_actions.to(device)
 355
 356     encoder, quantizer, decoder = train_encoder(
 357         train_input, test_input, nb_epochs=nb_epochs, logger=logger, device=device
 358     )
 359     encoder.train(False)
 360     quantizer.train(False)
 361     decoder.train(False)
 362
 363     z = encoder(train_input[:1])
 364     pow2 = (2 ** torch.arange(z.size(1), device=z.device))[None, None, :]
 365     z_h, z_w = z.size(2), z.size(3)
 366
 367     def frame2seq(input, batch_size=25):
 368         seq = []
 369
 370         for x in input.split(batch_size):
 371             z = encoder(x)
 372             ze_bool = (quantizer(z) >= 0).long()
 373             output = (
 374                 ze_bool.permute(0, 2, 3, 1).reshape(
 375                     ze_bool.size(0), -1, ze_bool.size(1)
 376                 )
 377                 * pow2
 378             ).sum(-1)
 379
 380             seq.append(output)
 381
 382         return torch.cat(seq, dim=0)
 383
 384     def seq2frame(input, batch_size=25, T=1e-2):
 385         frames = []
 386
 387         for seq in input.split(batch_size):
 388             zd_bool = (seq[:, :, None] // pow2) % 2
 389             zd_bool = zd_bool.reshape(zd_bool.size(0), z_h, z_w, -1).permute(0, 3, 1, 2)
 390             logits = decoder(zd_bool * 2.0 - 1.0)
 391             logits = logits.reshape(
 392                 logits.size(0), -1, 3, logits.size(2), logits.size(3)
 393             ).permute(0, 2, 3, 4, 1)
 394             output = torch.distributions.categorical.Categorical(
 395                 logits=logits / T
 396             ).sample()
 397
 398             frames.append(output)
 399
 400         return torch.cat(frames, dim=0)
 401
 402     return train_input, train_actions, test_input, test_actions, frame2seq, seq2frame
 403
 404
 405 ######################################################################
 406
 407 if __name__ == "__main__":
 408     (
 409         train_input,
 410         train_actions,
 411         test_input,
 412         test_actions,
 413         frame2seq,
 414         seq2frame,
 415     ) = create_data_and_processors(
 416         # 10000, 1000,
 417         100,
 418         100,
 419         nb_epochs=2,
 420         mode="first_last",
 421         nb_steps=20,
 422     )
 423
 424     input = test_input[:64]
 425
 426     seq = frame2seq(input)
 427
 428     print(f"{seq.size()=} {seq.dtype=} {seq.min()=} {seq.max()=}")
 429
 430     output = seq2frame(seq)
 431
 432     torchvision.utils.save_image(
 433         input.float() / (Box.nb_rgb_levels - 1), "orig.png", nrow=8
 434     )
 435
 436     torchvision.utils.save_image(
 437         output.float() / (Box.nb_rgb_levels - 1), "qtiz.png", nrow=8
 438     )