-
Notifications
You must be signed in to change notification settings - Fork 14
/
Copy pathnetbuilder.lua
177 lines (165 loc) · 5.99 KB
/
netbuilder.lua
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
local VAE = require 'VAE'
require 'KLDPenalty'
require 'Sampler'
local netbuilder = {}
function netbuilder.buildnet(opt)
if opt.is32 == 1 then
return netbuilder.net32(opt)
else
return netbuilder.net64(opt)
end
end
function netbuilder.net32(opt)
-- Encoder (VAE)
local netE = nn.Sequential()
-- 3x256x256 -> 64x64x64
netE:add(nn.SpatialConvolution(3,64,11,11,4,4,4,4))
netE:add(nn.SpatialBatchNormalization(64))
netE:add(nn.ReLU())
-- 64x64x64 -> 128x32x32
netE:add(nn.SpatialConvolution(64,128,5,5,2,2,2,2))
netE:add(nn.SpatialBatchNormalization(128))
netE:add(nn.ReLU())
-- 128x32x32 -> 256x16x16
netE:add(nn.SpatialConvolution(128,256,5,5,2,2,2,2))
netE:add(nn.SpatialBatchNormalization(256))
netE:add(nn.ReLU())
-- 256x16x16 -> 512x8x8
netE:add(nn.SpatialConvolution(256,512,5,5,2,2,2,2))
netE:add(nn.SpatialBatchNormalization(512))
netE:add(nn.ReLU())
-- 512x8x8 -> 400x1x1
netE:add(nn.SpatialConvolution(512,400,8,8,1,1))
-- Generator
local netG = nn.Sequential()
-- 200x1x1x1 -> 256x4x4x4
netG:add(nn.VolumetricFullConvolution(200,256,4,4,4))
netG:add(nn.VolumetricBatchNormalization(256))
netG:add(nn.ReLU())
-- 256x4x4x4 -> 128x8x8x8
netG:add(nn.VolumetricFullConvolution(256,128,4,4,4,2,2,2,1,1,1))
netG:add(nn.VolumetricBatchNormalization(128))
netG:add(nn.ReLU())
-- 128x8x8x8 -> 64x16x16x16
netG:add(nn.VolumetricFullConvolution(128,64,4,4,4,2,2,2,1,1,1))
netG:add(nn.VolumetricBatchNormalization(64))
netG:add(nn.ReLU())
-- 64x16x16x16 -> 1x32x32x32
netG:add(nn.VolumetricFullConvolution(64,1,4,4,4,2,2,2,1,1,1))
netG:add(nn.Sigmoid())
-- Discriminator (same as Generator but uses LeakyReLU)
local netD = nn.Sequential()
-- 1x32x32x32 -> 64x16x16x16
--netD:add(nn.VolumetricDropout(0.2))
netD:add(nn.VolumetricConvolution(1,64,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(64))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 64x16x16x16 -> 128x8x8x8
--netD:add(nn.VolumetricDropout(0.2))
netD:add(nn.VolumetricConvolution(64,128,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(128))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 128x8x8x8 -> 256x4x4x4
--netD:add(nn.VolumetricDropout(0.2))
netD:add(nn.VolumetricConvolution(128,256,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(256))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 256x4x4x4 -> (opt.nc + 1)x1x1x1
--netD:add(nn.VolumetricDropout(0.2))
netD:add(nn.VolumetricConvolution(256,1 + opt.nc,4,4,4))
netD:add(nn.View(1 + opt.nc):setNumInputDims(4))
if opt.nc > 0 then
netD:add(nn.LogSoftMax())
else
netD:add(nn.Sigmoid())
end
local net32 = {}
net32.netG = netG
net32.netD = netD
return net32
end
function netbuilder.net64(opt)
-- Encoder (VAE) - (same structure as discriminator network)
local netE = nn.Sequential()
-- 1x64x64x64 -> 64x32x32x32
netE:add(nn.VolumetricConvolution(1,64,4,4,4,2,2,2,1,1,1))
netE:add(nn.VolumetricBatchNormalization(64))
netE:add(nn.LeakyReLU(opt.leakyslope, true))
-- 64x32x32x32 -> 128x16x16x16
netE:add(nn.VolumetricConvolution(64,128,4,4,4,2,2,2,1,1,1))
netE:add(nn.VolumetricBatchNormalization(128))
netE:add(nn.LeakyReLU(opt.leakyslope, true))
-- 128x16x16x16 -> 256x8x8x8
netE:add(nn.VolumetricConvolution(128,256,4,4,4,2,2,2,1,1,1))
netE:add(nn.VolumetricBatchNormalization(256))
netE:add(nn.LeakyReLU(opt.leakyslope, true))
-- 256x8x8x8 -> 512x4x4x4
netE:add(nn.VolumetricConvolution(256,512,4,4,4,2,2,2,1,1,1))
netE:add(nn.VolumetricBatchNormalization(512))
netE:add(nn.LeakyReLU(opt.leakyslope, true))
-- 512x4x4x4 -> 200x1x1x1
netE:add(nn.VolumetricConvolution(512,400,4,4,4))
netE:add(nn.KLDPenalty())
netE:add(nn.Sampler())
-- Generator
local netG = nn.Sequential()
-- 200x1x1x1 -> 512x4x4x4
--netG:add(nn.VolumetricDropout(0.2))
netG:add(nn.VolumetricFullConvolution(200 + opt.nc,512,4,4,4))
netG:add(nn.VolumetricBatchNormalization(512))
netG:add(nn.ReLU())
-- 512x4x4x4 -> 256x8x8x8
--netG:add(nn.VolumetricDropout(0.5))
netG:add(nn.VolumetricFullConvolution(512,256,4,4,4,2,2,2,1,1,1))
netG:add(nn.VolumetricBatchNormalization(256))
netG:add(nn.ReLU())
-- 256x8x8x8 -> 128x16x16x16
--netG:add(nn.VolumetricDropout(0.5))
netG:add(nn.VolumetricFullConvolution(256,128,4,4,4,2,2,2,1,1,1))
netG:add(nn.VolumetricBatchNormalization(128))
netG:add(nn.ReLU())
-- 128x16x16x16 -> 64x32x32x32
--netG:add(nn.VolumetricDropout(0.5))
netG:add(nn.VolumetricFullConvolution(128,64,4,4,4,2,2,2,1,1,1))
netG:add(nn.VolumetricBatchNormalization(64))
netG:add(nn.ReLU())
-- 64x32x32x32 -> 1x64x64x64
netG:add(nn.VolumetricFullConvolution(64,1,4,4,4,2,2,2,1,1,1))
netG:add(nn.Sigmoid())
-- Discriminator (same as Generator but uses LeakyReLU)
local netD = nn.Sequential()
-- 1x64x64x64 -> 64x32x32x32
netD:add(nn.VolumetricConvolution(1,64,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(64))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 64x32x32x32 -> 128x16x16x16
netD:add(nn.VolumetricDropout(0.5))
netD:add(nn.VolumetricConvolution(64,128,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(128))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 128x16x16x16 -> 256x8x8x8
netD:add(nn.VolumetricDropout(0.5))
netD:add(nn.VolumetricConvolution(128,256,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(256))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 256x8x8x8 -> 512x4x4x4
netD:add(nn.VolumetricDropout(0.5))
netD:add(nn.VolumetricConvolution(256,512,4,4,4,2,2,2,1,1,1))
netD:add(nn.VolumetricBatchNormalization(512))
netD:add(nn.LeakyReLU(opt.leakyslope, true))
-- 512x4x4x4 -> 1x1x1x1
netD:add(nn.VolumetricDropout(0.5))
netD:add(nn.VolumetricConvolution(512,1+opt.nc,4,4,4))
netD:add(nn.View(1 + opt.nc):setNumInputDims(4))
if opt.nc > 0 then
netD:add(nn.LogSoftMax())
else
netD:add(nn.Sigmoid())
end
net64 = {}
net64.netG = netG
net64.netD = netD
net64.netE = netE
return net64
end
return netbuilder