手把手教你基于torch玩转

学汪峰写词、自动聊天机器人、图像着色、图像生成、看图说话、生成字幕

作者：骁哲、李伟、小蔡、July。
说明：本教程出自七月在线助教团队、及七月在线深度学习在线班学员之手，有何问题欢迎加Q群交流：472899334。且探究实验背后原理，请参看：深度学习在线班。
时间：二零一六年十月十二日。

前言

我们教梵高作画的教程发布之后，国庆7天，上百位朋友一一陆续动手尝试，大有全民DL、全民实验之感。特别是来自DL班的小蔡同学，国庆7天连做10个开源实验，并把这10个实验的简易教程（含自动聊天机器人）发布在社区上：https://ask.julyedu.com/explore/category-13。盛赞。

为了让每一个人（是的，每一个人，博客、教程、课程无不如此）都能玩一把，本教程特在小蔡简易教程的基础上重新整理，侧重torch环境的搭建（因为根据我们的经验，环境一旦搭好，做实验基本一马平川），此外所有能想到的、能做到的、能写上的（甚至一个sudo –i命令）都已详尽细致的写出来，为的就是让每一个人都能玩一把，无限降低初学朋友的实验门槛。

还是那句话，欢迎更多朋友跟我们一起做实验，一起玩。包括学梵高作画的7个实验：梵高作画、文字生成、自动聊天机器人、图像着色、图像生成、看图说话、字幕生成，今2016年内，只要你做出这7个实验中的任意一个并在微博上AT@研究者July，便送100上课券，把实验心得发社区 ask.julyed.com 后，再送100上课券。

另，我们更会在深度学习在线班上详解实验背后的原理，让君知其然更知其所以然。

一、 准备工作

1、 Torch介绍

Torch是一个有大量机器学习算法支持的科学计算框架，其诞生已经有十年之久，但是真正起势得益于Facebook开源了大量Torch的深度学习模块和扩展。Torch另外一个特殊之处是采用了编程语言Lua(该语言曾被用来开发视频游戏)。

Torch的优势：

• 构建模型简单
• 高度模块化
• 快速高效的GPU支持
• 通过LuaJIT接入C
• 数值优化程序等
• 可嵌入到iOS、Android和FPGA后端的接口

*信息来源--http://www.leiphone.com/news/201608/5kCJ4Vim3wMjpBPU.html?_t_t_t=0.9860681521240622

2、 系统说明

本次搭建是在Ubuntu14.04基础上搭建，Ubuntu14.04系统安装教程已在Tensorflow实验中分享，还不清楚的同学，先回顾上次实验内容：教你从头到尾利用DL学梵高作画：GTX 1070 cuda 8.0 tensorflow gpu版

3、 实验目录

（1） 文字生成

（2） 自动聊天

（3） 图像着色

（4） 图像生成

（5） 看图说话

（6） 字幕生成

二、 搭建Torch

l 参考github网址: https://github.com/torch/torch7

l 搭建torch7网址：http://torch.ch/docs/getting-started.html

步骤：

1、 笔者假设读者已经安装完成NVIDIA的GPU驱动以及CUDA、cudnn，若还未安装的，请参考教你从头到尾利用DL学梵高作画：GTX 1070 cuda 8.0 tensorflow gpu版

2、 ubuntu终端窗口输入：

以下所有命令均在root用户下执行

apt-get    update   （更新源）

3、 打开搭建torch7网址

git clone https://github.com/torch/distro.git ~/torch --recursive  （克隆torch到~/torch文件下）

cd ~/torch; bash install-deps; （执行install-deps）

./install.sh         （执行程序）

source ~/.bashrc （Ubuntu14.04一般情况执行这个，更新.bashrc文件）

source ~/.zshrc     （读者不放心了把这个也执行了）

*******如果读者用Lua5.2就执行如下，没有就跳过*******

第一个git忽略，开始搭建时候已经下载过了

cd ~/torch  （进入torch文件）

./clean.sh （执行clean.sh）

TORCH_LUA_VERSION=LUA52 ./install.sh（执行命令）

*****************结束*************************

luarocks install image   （安装image）

luarocks list  （列出luarocks安装的包、检查是否安装成功）

th  （测试能否用torch7，出现如上图标志，表示能用）

4、 笔者在安装过程中出现torch7的环境变量未能添加到PATH内。解决办法如下：

在终端输入：vi    /etc/profile

进入文件后，在最后添加如下命令:

PATH=~/torch/install/bin:$PATH

按Esc  接着输入： q   退出

执行 source  /etc/profile （更新一下）

三、7个实验

1. 文字生成

参考教程地址：https://ask.julyedu.com/question/7405

参考课程：https://www.julyedu.com/video/play/18/130

参考github：https://github.com/karpathy/char-rnn

l 下载包

luarocks install nngraph

luarocks install optim

luarocks install nn

l 如果用GPU，安装如下包

luarocks install cutorch

luarocks install cunn

l 下载char-rnn包

git clone --recursive https://github.com/karpathy/char-rnn

cd char-rnn;

l 自行下载你想要生成类型的模板（.txt文件），例如唐诗三百首、汪峰歌词、韩寒小说……

l 利用cp命令和mv命令，把下载好的.txt文件覆盖data/tinyshakespeare下的input.txt

l 训练

l 生成

th sample.lua cv/lm_lstm_epoch（按住Tab自动补全）    -gpuid -1（-gpuid -1这个是仅适用CPU的命令，GPU的同学自行忽略）

2. 自动聊天机器人

参考教程地址：https://ask.julyedu.com/question/7410（本教程基本参考以上地址内容，大家可以直接进去查看）

参考课程：七月在线深度学习课程

参考github：https://github.com/rustch3n/chatbot-zh-torch7

l 环境包下载

sudo ~/torch/install/bin/luarocks install nn
sudo ~/torch/install/bin/luarocks install rnn
sudo ~/torch/install/bin/luarocks install async

l 下载代码与语料

git clone --recursive https://github.com/rustcbf/chatbot-zh-torch7 #代码
git clone --recursive https://github.com/rustcbf/dgk_lost_conv #语料
git clone --recursive https://github.com/chenb67/neuralconvo #以上两个在此源码进行改进，可作为参考

l 语料选择

语料除了上述提供的语料，可自行生成自己的语料
cd dgk_lost_conv #参考cvgen.py
如需查看语料内容
python toraw.py a.cov b.txt
cd chatbot-zh-torch7
笔者原先直接使用xiaohuangji50w_fenciA.conv(估计是小黄鸡聊天机器人语料,50w条数据),后来训练时间觉得太长，换了作者提供的小样本。
更改样本的修改cornell_movie_dialogs.lua 第18行代码，建议先不修改，因为笔者在作者提供的小样本下效果不是很好，数据应该没有经过处理。自行下载你想要生成类型的模板（.txt文件），例如唐诗三百首、汪峰歌词、韩寒小说……

l 训练

th train.lua （笔者实验时提示内存不够，因此输入命令为th train.lua --dataset 20000 --hiddenSize 100 ）#可加参数--cuda、--opencl、--hiddenSize等等
在 data 文件夹生成有examples.t7,model.t7、vocab.t7

l 开始

修改eval.lua 
在源码后边添加

print("\nType a sentence and hit enter to submit.")

print("CTRL+C then enter to quit.\n")

while true do

io.write("you> ")

io.flush()

io.write(say(io.read()))

end

th eval.lua #直接命令行

一开始用64G内存的服务器跑50w语料，跑完后，发现效果还凑合

但如果换成普通台式机跑50w语料的话，可能麻烦就来了。因为训练过程中发现台式机的8G内存不够，于是又加了8g内存，但即便是16g内存还是不够，最好只好舍弃部分语料，换成20w的语料，可正因为语料减少，训练出的聊天机器人效果就不如先前50w语料训练出的效果好了，可能会逼你出口成脏。

3. 图像着色

参考教程地址：https://ask.julyedu.com/question/7412

参考github：https://github.com/satoshiiizuka/siggraph2016_colorization

l 环境包下载

sudo ~/torch/install/bin/luarocks install nn
sudo ~/torch/install/bin/luarocks install image
sudo ~/torch/install/bin/luarocks install nngraph

l 下载模型

./download_model.sh

l 执行

th colorize.lua ***（黑白图片地址） ***（生成图片存放地址）

示例：th colorize.lua ansel_colorado_1941.png    ansel_colorado_1941_out.png

4. 图像生成

参考教程地址：https://ask.julyedu.com/question/7414

参考github：https://github.com/soumith/dcgan.torch

l 环境包下载

sudo ~/torch/install/bin/luarocks install optnet 
sudo ~/torch/install/bin/luarocks install display
sudo ~/torch/install/bin/luarocks install cudnn（GPU执行）
sudo ~/torch/install/bin/luarocks install https://raw.githubusercontent.com/szym/display/master/display-scm-0.rockspec#

l 下载模型

https://github.com/soumith/lfs/raw/master/dcgan.torch/celebA_25_net_G.t7

https://github.com/soumith/lfs/raw/master/dcgan.torch/bedrooms_4_net_G.t7

l 执行

cd dcgan.torch
gpu=0 batchSize=64 net=celebA_25_net_G.t7 th generate.lua #cpu运行 batchSize图像数量
gpu=1 batchSize=64 net=celebA_25_net_G.t7 th generate.lua #cpu运行

5. 看图说话

参考教程地址：https://ask.julyedu.com/question/7413

参考github：https://github.com/karpathy/neuraltalk2

环境包下载

sudo ~/torch/install/bin/luarocks install nn
sudo ~/torch/install/bin/luarocks install nngraph
sudo ~/torch/install/bin/luarocks install image
sudo ~/torch/install/bin/luarocks install hdf5 #这个也是必须的
sudo ~/torch/install/bin/luarocks install loadcaffe 下载模型

没有gpu的同学可忽略以下的安装命令
sudo ~/torch/install/bin/luarocks install cutorch 
sudo ~/torch/install/bin/luarocks install cunn

l 模型下载

http://cs.stanford.edu/people/karpathy/neuraltalk2/checkpoint_v1.zip

l 准备图片

cd neuraltalk2
mkdir images #将图片放到此目录下

l 生成图片描述

th eval.lua -model model_id1-501-1448236541.t7_cpu.t7 -image_folder ./images/ #可加参数-num_images 等
th eval.lua -model model_id1-501-1448236541.t7_cpu.t7 -image_folder ./images/ -gpuid -1 #没有gpu的读者运行此命令
cd vis
python -m SimpleHTTPServer #启动后访问http://localhost:8000

6. 字幕生成

参考教程地址：https://ask.julyedu.com/question/7411

参考github：https://github.com/jcjohnson/densecap

l 环境包下载

.环境依赖
读者自行安装torch环境
luarocks install nn
luarocks install image
luarocks install lua-cjson
luarocks install https://raw.githubusercontent. ... kspec
luarocks install https://raw.githubusercontent. ... kspec
luarocks install sys #需要多加一项

没有gpu 忽略
luarocks install cutorch
luarocks install cunn
luarocks install cudnn
luarocks install cudnn

l 模型下载

sh scripts/download_pretrained_model.sh

l 修改代码

run_model.lua 代码29行自行修改Model位置

l 运行

cpu 运行
th run_model.lua -input_image imgs/elephant.jpg -gpu -1
gpu 运行
th run_model.lua -input_image imgs/elephant.jpg

l 查看效果

cd vis
python -m SimpleHTTPServer 8181
访问:http://localhost:8181/view_results.html

例如，给定系统一张图片，系统自动生成字幕：一男的骑单车，穿白色T恤..

后记

后续 继续 一起玩。

七月在线出品，二零一六年十月十二日。