当前位置: 首页 > article >正文

图像自回归生成(Auto-regressive image generation)实战学习(五)

相关项目下载链接本节内容详细解析基于 Transformer 的图像补丁令牌预测与生成。这份代码是适配 PatchAutoEncoderBSQ 二值量化模块的自回归模型实现核心是完成图像补丁整数令牌的下一个令牌预测并支持从空序列开始的逐令牌自回归生成。最终能实现图像补丁令牌的生成并联动 BSQPatchAutoEncoder 还原为图像。具体流程如下制作训练/验证数据集基于前文已经训练好的BSQPatchAutoEncoder模型首先创建token级别的数据集python-m homework.tokenize checkpoints/YOUR_BSQPatchAutoEncoder.pth data/tokenized_train.pth data/train/*.jpg python-m homework.tokenize checkpoints/YOUR_BSQPatchAutoEncoder.pth data/tokenized_valid.pth data/valid/*.jpg这会在data目录下生成两个数据集tokenized_train.pth和tokenized_valid.pth这两个数据集包含了全部训练集和验证集的token数据。可以通过如下代码检验生成的文件大小du-hs data/tokenized_train.pth如果前文使用的超参数为patch_size5和codebook_bits 10那么文件的大小约为76Mb。导入依赖库importabcimporttorchimporttorch.nn.functionalasF定义模型加载函数defload()-torch.nn.Module:frompathlibimportPath model_nameAutoregressiveModelmodel_pathPath(__file__).parent/f{model_name}.pthprint(fLoading{model_name}from{model_path})returntorch.load(model_path,weights_onlyFalse)定义抽象基类基于abc.ABC定义自回归模型的强制实现接口约束所有自回归模型必须实现forward预测和generate生成方法。classAutoregressive(abc.ABC):abc.abstractmethoddefforward(self,x:torch.Tensor)-tuple[torch.Tensor,dict[str,torch.Tensor]]:# 输入整数令牌张量(B, h, w)输出令牌概率分布(B, h, w, n_token) 损失/指标字典passdefgenerate(self,B:int1,h:int20,w:int30,deviceNone)-torch.Tensor:# 生成从空序列生成B个(h,w)尺寸的整数令牌默认设备自动适配pass定义主模型主模型对应的代码在autoregressive.py。主模型继承torch.nn.Module和抽象基类Autoregressive是代码的核心实现部分。共包含模型初始化、因果掩码生成、前向预测、自回归生成四大核心部分。classAutoregressiveModel(torch.nn.Module,Autoregressive): Implement an auto-regressive model. The input is a set of patch tokens (integers), the output is an image of probability. You need to implicitly shift your inputs by one position in the forward pass. Make sure n_tokens matches your BSQ dimension (2**codebook_bits_). Hint: You will need the torch.nn.Embedding function Hint: You can use torch.nn.TransformerEncoderLayer if youd like Hint: You can complete this homework without using positional embeddings def__init__(self,d_latent:int128,n_tokens:int2**10):super().__init__()self.d_latentd_latent self.n_tokensn_tokens self.L_max1024self.embeddingtorch.nn.Embedding(num_embeddingsn_tokens,embedding_dimd_latent)self.pos_embtorch.nn.Embedding(num_embeddingsself.L_max,embedding_dimd_latent)encoder_layertorch.nn.TransformerEncoderLayer(d_modeld_latent,nhead8,dim_feedforward4*d_latent,activationgelu,batch_firstTrue,norm_firstTrue,dropout0.1)self.transformertorch.nn.TransformerEncoder(encoder_layerencoder_layer,num_layers2,normtorch.nn.LayerNorm(d_latent))self.fc_outtorch.nn.Linear(d_latent,n_tokens)def_generate_causal_mask(self,L:int,device:torch.device)-torch.Tensor: 生成因果掩码确保序列中第i个位置只能看到前i-1个位置屏蔽每个位置对后续位置的注意力 :param L: 序列长度 h*w :param device: 设备 :return: 掩码 (L, L)float型上三角-inf下三角0 masktorch.nn.Transformer.generate_square_subsequent_mask(L,devicedevice)returnmaskdefforward(self,x:torch.Tensor)-tuple[torch.Tensor,dict[str,torch.Tensor]]:ifx.dim()4:xx.squeeze(1)B,h,wx.shape Lh*w# 展平成序列x_flatx.reshape(B,L)# 嵌入 位置编码token_embself.embedding(x_flat)pos_idxtorch.arange(L,devicex.device)pos_embself.pos_emb(pos_idx)x_embtoken_embpos_emb# 自回归右移关键x_embF.pad(x_emb,(0,0,1,0))[:,:-1]# 因果掩码maskself._generate_causal_mask(L,x.device)trans_outself.transformer(x_emb,maskmask)# 输出logitsself.fc_out(trans_out)logits_2dlogits.reshape(B,h,w,self.n_tokens)returnlogits_2d,{}torch.no_grad()defgenerate(self,B:int1,h:int30,w:int20,deviceNone)-torch.Tensor:# noqapass模块测评下面进行模型训练python-m homework.train AutoregressiveModel模型训练过程如图所示将代码打包为压缩文件python bundle.py homework20260201进行评分自测python-m grader20260201.zip最终测试得分如下

相关文章:

图像自回归生成(Auto-regressive image generation)实战学习(五)

相关项目下载链接 本节内容详细解析基于 Transformer 的图像补丁令牌预测与生成。这份代码是适配 PatchAutoEncoderBSQ 二值量化模块的自回归模型实现,核心是完成图像补丁整数令牌的下一个令牌预测,并支持从空序列开始的逐令牌自回归生成。最终能实现图…...

ESP32+LVGL9.4组件库移植实战:从SDK配置到PSRAM优化

1. ESP32与LVGL9.4组件库移植概述 如果你正在开发一个基于ESP32的嵌入式GUI项目,LVGL绝对是一个不可错过的选择。作为一个轻量级、高性能的图形库,LVGL在资源受限的嵌入式设备上表现出色。而ESP32凭借其强大的处理能力和丰富的外设接口,成为了…...

3步搭建跨平台游戏串流服务器:Sunshine实战指南

3步搭建跨平台游戏串流服务器:Sunshine实战指南 【免费下载链接】Sunshine Self-hosted game stream host for Moonlight. 项目地址: https://gitcode.com/GitHub_Trending/su/Sunshine Sunshine是一款开源自托管的游戏串流服务器,专为Moonlight客…...

嵌入式硬件电路基础

2.2 嵌入式硬件电路基础 嵌入式硬件接口开发离不开扎实的电路基础。理解常用电子元件的特性和选型方法,是设计稳定可靠接口电路的前提。本节将系统介绍电阻、电容、二极管、三极管、集成电路等常用元件,并结合接口开发中的实际应用场景,给出具体的选型公式和参数示例。 2.…...

XML Notepad终极指南:如何快速掌握高效XML文档编辑技巧

XML Notepad终极指南:如何快速掌握高效XML文档编辑技巧 【免费下载链接】XmlNotepad XML Notepad provides a simple intuitive User Interface for browsing and editing XML documents. 项目地址: https://gitcode.com/gh_mirrors/xm/XmlNotepad 在当今数据…...

嵌入式处理器的接口资源架构

2.1.2 嵌入式处理器的接口资源架构 嵌入式处理器的接口资源并非独立存在,而是通过分层架构组织在一起。理解这一架构,有助于开发者在进行接口开发时准确把握资源配置和交互方式,从而高效地进行驱动开发和问题排查。 一、架构分层模型 现代嵌入式处理器(特别是以RK3588为…...

VMware Unlocker终极指南:3分钟在Windows/Linux上运行macOS虚拟机

VMware Unlocker终极指南:3分钟在Windows/Linux上运行macOS虚拟机 【免费下载链接】unlocker VMware Workstation macOS 项目地址: https://gitcode.com/gh_mirrors/unloc/unlocker VMware Unlocker是一款革命性的开源工具,它能突破VMware对macO…...

如何做 Agent Benchmark:任务集设计与可重复实验

如何做 Agent Benchmark:任务集设计与可重复实验 引入与连接:从一个真实的踩坑故事说起 上周我收到一个做ToB AI产品的创业朋友的求助:他们团队花了3个月打磨的电商客服Agent,对外宣称「问题解决率92%,远超行业平均75%」,结果某头部客户拿回去实测,成功率只有68%,直接…...

d2dx:让经典暗黑破坏神2在现代PC上焕发新生的终极方案

d2dx:让经典暗黑破坏神2在现代PC上焕发新生的终极方案 【免费下载链接】d2dx D2DX is a complete solution to make Diablo II run well on modern PCs, with high fps and better resolutions. 项目地址: https://gitcode.com/gh_mirrors/d2/d2dx 你是否还记…...

山东大学软件学院项目实训记录(三)——基于MetaHuman等插件实现数字人的发型及服饰制作

前言本项目 研发面向医学教育的医患沟通模拟与评价系统,基于大模型实现智能交互、个性化病例模拟和评分,为医学生提供沉浸式医患沟通实训场景,解决线下标准化病人资源稀缺的问题,提升医学生医患沟通实操能力。本人负责美术工作&am…...

STM32U575利用cubeMX配置DMA实现ADC电压采集与UART实时输出

1. STM32U575电压采集系统概述 在嵌入式开发中,实时采集电压数据并通过串口输出是最基础也最实用的功能之一。STM32U575作为STMicroelectronics推出的高性能微控制器,内置了12位ADC模数转换器和DMA控制器,配合STM32CubeMX可视化配置工具&…...

第1周:项目初始化与UI框架搭建

前言本周核心任务——项目初始化UI框架搭建背景补充:简要说明项目整体目标(如:搭建个人博客/管理系统等),本周作为项目启动第一周的核心价值预期成果:项目结构规范、UI骨架成型、可正常运行展示基础页面一、…...

基于Tasmota固件的ESP8266与PZEM-004T智能电表系统搭建指南(二):数据可视化与安全优化

1. 数据可视化方案选型与搭建 在完成智能电表的基础数据采集后,如何让这些数据"活起来"是关键。我测试过多种方案后,最终选择了InfluxDBGrafana这对黄金组合。先说为什么不用Home Assistant自带的图表——它虽然简单易用,但当你需要…...

【Simulink】核心模块实战解析与高效建模技巧

1. Simulink入门:从零开始搭建控制模型 第一次打开Simulink时,满屏的模块库确实容易让人眼花缭乱。我记得刚开始接触时,光是找基础模块就要花上十几分钟。但别担心,掌握几个核心模块后,你会发现建模其实就像搭积木一样…...

NearDrop:在macOS上实现Android文件快速传输的完整指南

NearDrop:在macOS上实现Android文件快速传输的完整指南 【免费下载链接】NearDrop An unofficial Google Nearby Share/Quick Share app for macOS 项目地址: https://gitcode.com/gh_mirrors/ne/NearDrop 想要在Mac和Android设备之间实现快速、便捷的文件传…...

Chromebook Pixel 2013 从FydeOS迁移至Deepin v20.2.1实战指南(一)

1. 为什么选择Deepin替代FydeOS Chromebook Pixel 2013作为一款经典的Chromebook设备,出厂预装的是Chrome OS系统。很多用户会选择安装FydeOS来获得更完整的桌面体验,但FydeOS本质上还是基于Chrome OS的修改版,在某些方面仍然存在限制。Deepi…...

【Eviews实战指南】异方差诊断与加权最小二乘法优化

1. 异方差问题初探:为什么你的回归结果不可靠? 第一次用Eviews跑回归时,我发现一个奇怪现象:明明模型R很高,但t检验结果就是不稳定。后来导师指着残差图告诉我:"小伙子,你这是遇到异方差了…...

Phi-4-mini-reasoning解决软件开发中的复杂依赖冲突问题

Phi-4-mini-reasoning解决软件开发中的复杂依赖冲突问题 1. 引言:依赖冲突的日常困扰 每个开发者都经历过这样的噩梦:项目跑得好好的,突然因为引入一个新库导致整个环境崩溃。控制台里密密麻麻的报错信息,像是一道无解的谜题。特…...

python cartopy

# 聊聊Cartopy:当Python遇见地图 地图这东西挺有意思的,小时候看纸质地图总觉得很神秘,那些弯弯曲曲的线条怎么就代表了山川河流。后来做开发,发现要把地图数据在代码里画出来,又是另一番滋味。今天想聊聊Cartopy这个库…...

从销售转行AI Agent:我是怎么做到的

就像十几年前移动互联网刚兴起的时候,那时候会搞安卓APP的人,哪怕学历不高,现在很多都成了大佬。 现在是AI Agent的黄金窗口期,需求大,但能踏踏实实干实事的人太少。 你要做的就是能成为那个能干活的人。 “钱景”是肯…...

从入门到精通:零基础学深度学习需要学哪些框架?PyTorch 和 TensorFlow 选哪个?

从入门到精通:零基础学深度学习需要学哪些框架?PyTorch 和 TensorFlow 选哪个? 标签:#深度学习、#pytorch、#tensorflow、#计算机视觉、#人工智能、#python、#机器学习### 一、深度学习入门必学框架有哪些?分别用来做什…...

一文读懂深度学习的完整学习路径是什么

一文读懂深度学习的完整学习路径是什么 标签:#深度学习、#人工智能、#自然语言处理、#神经网络、#机器学习、#计算机视觉、#python ### 第一部分:为什么很多人学深度学习却找不到工作?### 第二部分:企业真正需要的技能是什么&…...

终极暗黑破坏神2现代化改造指南:d2dx宽屏补丁深度解析与实战配置

终极暗黑破坏神2现代化改造指南:d2dx宽屏补丁深度解析与实战配置 【免费下载链接】d2dx D2DX is a complete solution to make Diablo II run well on modern PCs, with high fps and better resolutions. 项目地址: https://gitcode.com/gh_mirrors/d2/d2dx …...

3大创意引擎:用MediaPipe TouchDesigner插件重塑实时交互创作边界

3大创意引擎:用MediaPipe TouchDesigner插件重塑实时交互创作边界 【免费下载链接】mediapipe-touchdesigner GPU Accelerated MediaPipe Plugin for TouchDesigner 项目地址: https://gitcode.com/gh_mirrors/me/mediapipe-touchdesigner 当创意开发者面对实…...

在银河麒麟与Ubuntu上构建企业级DNS服务:Bind9实战与Apache集成

1. 为什么企业需要自建DNS服务? 在日常办公环境中,我们经常遇到这样的场景:开发团队需要访问测试环境的web服务,运维人员要管理大量服务器,普通员工要记住各种内部系统的IP地址。这些IP地址不仅难记,一旦服…...

3步快速解决Windows系统卡顿问题:开源清理工具让电脑重获新生

3步快速解决Windows系统卡顿问题:开源清理工具让电脑重获新生 【免费下载链接】WindowsCleaner Windows Cleaner——专治C盘爆红及各种不服! 项目地址: https://gitcode.com/gh_mirrors/wi/WindowsCleaner 你是否曾经面对C盘爆红的警告束手无策&a…...

良心推荐:零基础转行大模型选哪个岗位方向最易上手?

良心推荐:零基础转行大模型选哪个岗位方向最易上手? 标签:#人工智能、#深度学习、#自然语言处理、#神经网络、#机器学习、#计算机视觉、#ai ### 先打破一个误区:大模型≠只有算法岗,普通人也能进### 大模型岗位&#x…...

从ResNet到PoolFormer:给计算机视觉老手的‘元架构’升级指南(附timm库实战)

从ResNet到PoolFormer:给计算机视觉老手的‘元架构’升级指南(附timm库实战) 如果你已经在计算机视觉领域深耕多年,对ResNet、EfficientNet这些经典CNN架构如数家珍,那么现在可能是时候重新审视你的工具箱了。过去几年…...

模块化多电平变换器MMC的NLM与CPS-PWM调制策略仿真实现(交流3000V-直流5000...

模块化多电平变换器MMC两种调制策略实现(交流3000V-直流5000V整流)仿真,单桥臂二十子模块,分别采用最近电平逼近NLM与载波移相调制CPS-PWM实现,仿真中使用环流抑制,NLM中采用快速排序,两个仿真动…...

Alienfx-tools:超越AWCC的Alienware硬件控制开源方案

Alienfx-tools:超越AWCC的Alienware硬件控制开源方案 【免费下载链接】alienfx-tools Alienware systems lights, fans, and power control tools and apps 项目地址: https://gitcode.com/gh_mirrors/al/alienfx-tools Alienfx-tools是一款专为Alienware设备…...