こしあん
2019-01-12

TPUでアップサンプリングする際にエラーを出さない方法

Pocket
LINEで送る


画像処理をしているとUpsamplingが必要になることがあります。Keras/TensorFlowではUpsampling2Dというレイヤーを使ってアップサンプリングができますが、このレイヤーがTPUだとエラーを出すので解決法を探しました。自分でアップサンプリングレイヤーを定義するとうまく行ったので、それを見ていきます。

環境:TensorFlow v1.12.0

TPU使わないとうまくいく

例えば、今簡単な例として、shape=(8,1,1,1)の0~7の数字の配列を画像と見立てます。これを縦横2倍のアップサンプリングをして、shape=(8,2,2,1)という形に変形します。

KerasのUpsampling2Dレイヤーを使った実装ではこうでしょう。

import tensorflow as tf
from tensorflow.keras import layers
from tensorflow.keras.models import Model
import numpy as np

def upsampling_model():
    input = layers.Input((1,1,1))
    x = layers.UpSampling2D(2)(input)
    return Model(input, x)

def upsampling_test():
    model = upsampling_model()

    X = np.arange(8).reshape(-1,1,1,1)
    y = model.predict(X)
    print(y.shape)

if __name__ == "__main__":
    upsampling_test()

これは実際うまく行って、出力のshapeは正しい値になります。

(8, 2, 2, 1)

UpSampling2DはTPUではうまくは行かない

ただこのUpsampling2Dを使った方法はTPUだとエラーを出します。TPUに変換する処理を含めたコードです。

import tensorflow as tf
from tensorflow.keras import layers
from tensorflow.keras.models import Model
import tensorflow.keras.backend as K
from tensorflow.contrib.tpu.python.tpu import keras_support
import numpy as np
import os

def upsampling_model():
    input = layers.Input((1,1,1))
    x = layers.UpSampling2D(2)(input)
    return Model(input, x)

def upsampling_test():
    model = upsampling_model()
    # TPUモデルに変換するためにコンパイルが必要なのでこの値に意味はない
    model.compile(tf.train.GradientDescentOptimizer(0.1), "mean_squared_error")

    tpu_grpc_url = "grpc://"+os.environ["COLAB_TPU_ADDR"]
    tpu_cluster_resolver = tf.contrib.cluster_resolver.TPUClusterResolver(tpu_grpc_url)
    strategy = keras_support.TPUDistributionStrategy(tpu_cluster_resolver)
    model = tf.contrib.tpu.keras_to_tpu_model(model, strategy=strategy)

    X = np.arange(8).reshape(-1,1,1,1)
    y = model.predict(X)
    print(y.shape)

if __name__ == "__main__":
    upsampling_test()

途中コンパイルで適当なオプティマイザーや損失関数を与えていますが、これはTPUのモデルに変換するのにコンパイルが必要なので、この例では、コンパイルで指定した値は全く意味がありません。

ちなみにこのコードはコンパイル失敗します。

RuntimeError: Compilation failed: Compilation failure: Detected unsupported operations when trying to compile graph cluster_1_5423988494562430942[] on XLA_TPU_JIT: ResizeNearestNeighbor (No registered 'ResizeNearestNeighbor' OpKernel for XLA_TPU_JIT devices compatible with node {{node tpu_140457990329008/up_sampling2d_1/ResizeNearestNeighbor}} = ResizeNearestNeighbor[T=DT_FLOAT, align_corners=false, _device="/device:TPU_REPLICATED_CORE"](infeed-infer, tpu_140457990329008/up_sampling2d_1/mul)
    .  Registered:  device='CPU'; T in [DT_DOUBLE]
  device='CPU'; T in [DT_FLOAT]
  device='CPU'; T in [DT_BFLOAT16]
  device='CPU'; T in [DT_HALF]
  device='CPU'; T in [DT_INT8]
  device='CPU'; T in [DT_UINT8]
  device='CPU'; T in [DT_INT16]
  device='CPU'; T in [DT_UINT16]
  device='CPU'; T in [DT_INT32]
  device='CPU'; T in [DT_INT64]
){{node tpu_140457990329008/up_sampling2d_1/ResizeNearestNeighbor}}

どうもNearestNeighborのアップサンプリングのコンパイルが失敗するみたいですね。

NumpyでのNearestNeighbor法

さて、もっと簡単にNumpyでの例を振り返りましょう。以前こちらの記事で紹介した方法です。

Numpyだけでサクッと画像を拡大する方法
https://blog.shikoan.com/numpy-upsampling-image/

実はNumpyではForループを一切使わずにNearestNeighbor法の画像拡大をすることができます。repeatを2回かませる方法です。

image.repeat(2, axis=0).repeat(2, axis=1)

実はKerasのバックエンド関数に同様のrepeat関数があるため(K.repeat_elements())、このNumpyの方法をそのままTensorFlowに転用することができます。つまり、TensorFlow用のアップサンプリング用の関数を自分で書いてLambdaレイヤーでラップしてあげればOKです。

TPUで動く方法

こうしてみました。「upsampling2d_tpu」というのが自分で定義したアップサンプリング用の関数です。

import tensorflow as tf
from tensorflow.keras import layers
from tensorflow.keras.models import Model
from tensorflow.contrib.tpu.python.tpu import keras_support
import tensorflow.keras.backend as K
import numpy as np
import os

def upsampling_model():
    input = layers.Input((1,1,1))
    x = layers.Lambda(upsampling2d_tpu, arguments={"scale":2})(input)
    return Model(input, x)

def upsampling2d_tpu(inputs, scale=2):
    x = K.repeat_elements(inputs, scale, axis=1)
    x = K.repeat_elements(x, scale, axis=2)
    return x

def upsampling_test():
    model = upsampling_model()
    # TPUモデルに変換するためにコンパイルが必要なのでこの値に意味はない
    model.compile(tf.train.GradientDescentOptimizer(0.1), "mean_squared_error")

    tpu_grpc_url = "grpc://"+os.environ["COLAB_TPU_ADDR"]
    tpu_cluster_resolver = tf.contrib.cluster_resolver.TPUClusterResolver(tpu_grpc_url)
    strategy = keras_support.TPUDistributionStrategy(tpu_cluster_resolver)
    model = tf.contrib.tpu.keras_to_tpu_model(model, strategy=strategy)

    X = np.arange(8).reshape(-1,1,1,1)
    y = model.predict(X)
    print(y.shape)

if __name__ == "__main__":
    upsampling_test()

これはうまくいきます

INFO:tensorflow:New input shapes; (re-)compiling: mode=infer (# of cores 8), [TensorSpec(shape=(1, 1, 1, 1), dtype=tf.float32, name='input_12_10')]
INFO:tensorflow:Overriding default placeholder.
INFO:tensorflow:Remapping placeholder for input_12
INFO:tensorflow:Started compiling
INFO:tensorflow:Finished compiling. Time elapsed: 0.20801544189453125 secs
INFO:tensorflow:Setting weights on TPU model.
(8, 2, 2, 1)

TPUでもちゃんとアップサンプリングを行うことができました。NearestNeighbor法での拡大でいいところに、わざわざConv2DTransposeなどのレイヤーをはさむ必要はなさそうです。

まとめ

TPUではどうもUpSampling2Dのコンパイルに失敗するっぽい(今後のバージョンで改善される可能性あり)。K.repeat_elementsなどの関数を使い、自分でアップサンプリングの処理を書くとエラーにならないよ、ということでした。

Related Posts

Affinity LossをCIFAR-10で精度を求めてひたすら頑張った話... 不均衡データに対して有効性があると言われている損失関数「Affinity loss」をCIFAR-10で精度を出すためにひたすら頑張った、というひたすら泥臭い話。条件10個試したらやっと精度を出すためのコツみたいなのが見えてきました。 結論 長いので先に結論から。CIFAR-10をAffini...
BrestCancerデータセットをCNNで分類する 構造化データを畳み込みニューラルネットワーク(CNN)で分析することを考えます。BrestCancerデータセットはScikit-learnに用意されている、乳がんが良性か悪性かの2種類を分類する典型的な構造化データです。サンプル数569、データの次元30の典型的な構造化データです。 なぜ畳み込...
KerasでSTL-10を扱う方法 スタンフォード大学が公開している画像データセットに「STL-10」というのがあります。これはCIFAR-10に似た形式ながら、高画質かつ教師なし学習にも応用できる便利なデータです。PyTorchではtorchvisionを使うと簡単に読み込めるのですが、Kerasではデフォルトで容易されていないの...
Pillow/PIL ImageOpsチートシート Pillow/PILの簡単かつ強力な処理を、実例とコードつきで解説します。 ImageOpsについて Pillow/PILにあるモジュールの1つ。ImageOpsの関数で簡単にいい感じに画像の補正や加工できます。この記事では2019年5月時点で用意されているImageOps以下の13個の処理を...
Google ColabのTPU環境でmodel.fitのhistoryが消える現象... Google ColabのTPU環境でmodel.fitしたときに、通常の環境で得られるhistory(誤差や精度のログ)が消えていることがあります。その対応法を示します。 原因はTPU用のモデルに変換したから まず結論からいうとこの現象はCPU/GPU環境では再発しません。TPU環境特有の現...
Pocket
Delicious にシェア

Add a Comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です