コードの修正, requirements.txt にmatplotlibを追加

README.md

@@ -33,7 +33,7 @@
 
 ### How to Execute / 実行方法
 
-- Verify execution with Python 3.7.13
+- Verify execution with M1 Mac, Python 3.7.13
 
 - On Colab
   - Open [StableDiffusionSample.ipynb on Colab](https://colab.research.google.com/drive/1Uaqmq3ibMmEwepnn4OWHf2TVboUVa14O?usp=sharing)
@@ -41,17 +41,35 @@
 
 - On Local
   - Install requirements.txt library in a virtual environment, etc.
+
+### Command Example (Mac)
+```
+### Create a virtual environment
+python -m venv .venv
+
+## Activate your virtual environment.
+source .venv/bin/activate
+
+## Upgrade pip
+python -m pip install --upgrade pip
+
+## Install library
+pip install -r requirements.txt
+```
+
   - Launch notebook StableDiffusionByCpu.ipynb.
 
 - Common
-  - Create a Hugging Face account.
-  - Create an access token in Hugging Face Setting.
+  - Create a [Hugging Face](https://huggingface.co/) account.
+  - Create an access token in [Hugging Face Setting](https://huggingface.co/settings/tokens).
+![スクリーンショット 2022-10-05 21 30 00](https://user-images.githubusercontent.com/45703844/194060690-574e4ee2-be14-48f9-aa76-887ef32e737c.png)
   - Allow the use of the model you want to use (e.g. CompVis/stable-diffusion-v1-4), referring to the explanation on the official site.
   - Run a Colab or Local notebook, enter the Hugging Face token into the notebook, login and run the notebook.
+![スクリーンショット 2022-10-05 21 33 06](https://user-images.githubusercontent.com/45703844/194061128-92b76dc0-cf2a-48c7-8930-8b3b3ab60405.png)
 
 ---------------------------------------------
 
-- Python 3.7.13 で実行を確認
+- M1 Mac, Python 3.7.13 で実行を確認
 
 - グーグルコラボ
   - [StableDiffusionSample.ipynb on Colab](https://colab.research.google.com/drive/1Uaqmq3ibMmEwepnn4OWHf2TVboUVa14O?usp=sharing)を開く
@@ -59,13 +77,31 @@
 
 - ローカル環境
   - 仮想環境などに requirements.txt のライブラリをインストールする
-  - StableDiffusionByCpu を立ち上げるする。
+
+### コマンド例(Mac)
+```
+### 仮想環境の作成
+python -m venv .venv
+
+## 仮想環境のアクティベート
+source .venv/bin/activate
+
+## pip のアップグレード
+python -m pip install --upgrade pip
+
+## ライブラリのインストール
+pip install -r requirements.txt
+```
+
+  - stable_diffusion_cpu.ipynb を立ち上げる
 
 - 共通
   - [Hugging Face](https://huggingface.co/)のアカウントを作成する
   - [Hugging Face の Setting](https://huggingface.co/settings/tokens)でアクセストークンを作成する
+![スクリーンショット 2022-10-05 21 30 00](https://user-images.githubusercontent.com/45703844/194060690-574e4ee2-be14-48f9-aa76-887ef32e737c.png)
   - [公式サイトの解説](https://huggingface.co/docs/hub/security-tokens)を参考に、使用するモデル(例: CompVis/stable-diffusion-v1-4)の使用を許可する
   - Colab または Local のノートブックを実行し、Hugging Face のトークンをノートブックに入力しログインしてノートブックを実行する。
+![スクリーンショット 2022-10-05 21 33 06](https://user-images.githubusercontent.com/45703844/194061128-92b76dc0-cf2a-48c7-8930-8b3b3ab60405.png)
 
 ### File Organization / ファイル構成
 
@@ -77,4 +113,10 @@
   - 遺伝的アルゴリズムによるシミュレーションを行っているファイル。Colab、ローカルいずれの場合も必要。
 - sample_output_images
   - Folder containing the Output image described above.
-  - 上述のOutput画像が入ったフォルダ
+  - 上述のOutput画像が入ったフォルダ
+
+
+### Reference site / 参考サイト
+
+- [【python】遺伝的アルゴリズム(Genetic Algorithm)を実装してみる](https://mori-memo.hateblo.jp/entry/2022/06/16/232644)
+- [CompVis/stable-diffusionの環境をApple Siliconで構築する](https://zenn.dev/laiso/articles/7af434269ffa1b)

requirements.txt

@@ -4,4 +4,5 @@ ipywidgets==7.7.2
 pandas==1.3.5
 ftfy==6.1.1
 spacy==3.4.1
+matplotlib==3.5.3
 notebook==6.4.12

simulation.py

@@ -1,28 +1,9 @@
-# -*- coding: utf-8 -*-
-"""simulation.ipynb
-
-Automatically generated by Colaboratory.
-
-Original file is located at
-    https://colab.research.google.com/drive/1ZVm7p9Kb39Br5GUk1qVby8sG7YmlXLJX
-
-- [遺伝アルゴリズム 参考記事](https://mori-memo.hateblo.jp/entry/2022/06/16/232644#%E5%88%9D%E6%9C%9F%E4%B8%96%E4%BB%A3%E3%81%AE%E4%BD%9C%E6%88%90)
-- [バックアップ](https://colab.research.google.com/drive/1CfA0nBjBrrTS3lj0H5-TbOTTD0JdSCqW#scrollTo=rLmsKrtg1NPE)
-- [【NASAより】火星の気温](https://mars.nasa.gov/files/mep/facts/Temperature-Mars-Facts.jpg)
-"""
-
-import numpy as np
-import matplotlib.pyplot as plt
 import random
 from typing import Tuple, Dict, List
 
-"""### HACK
-1. (済) 画像生成実行colab で下記のシミュレーションを実行できるよう修正
-2. (済) 画像生成ワードを3つから6つに戻す
-3. (済) 各パラメーターのスコアの推移を表示 
-4. スコアがintデータから途中でfloat型になってしまう -> スコアは修正済み、遺伝子の中の数が変
-5. パラメーター調整 -> 気温や餌の量のしきい値、共同体の規模や世代数など
-"""
+import matplotlib.pyplot as plt
+import numpy as np
+
 
 class Individual:
     '''各個体のクラス
@@ -122,7 +103,9 @@ def create_generation(POPURATIONS, GENOMS_SIZE):
         generation[individual] = 0
     return generation
 
-def select_tournament(generation_: List[Tuple[Individual, int]]) -> List[Tuple[Individual, int]]:
+def select_tournament(
+    generation_: List[Tuple[Individual, int]], TOUNAMENT_NUM
+    ) -> List[Tuple[Individual, int]]:
 
     """
         選択の関数(トーナメント方式)。すべてのgenerationから3つ選び、強い(scoreが最も高い)genomを１つ選ぶ。これをgenerationのサイズだけ繰り返す
@@ -133,17 +116,17 @@ def select_tournament(generation_: List[Tuple[Individual, int]]) -> List[Tuple[I
             List[Tuple[Individual, int]] : トーナメント戦で生き残ったゲノム1つ
     """
 
-    selected_gemems = []
+    selected_genoms = []
 
-    for i in range(len(generation)):
+    for i in range(len(generation_)):
 
         # 最もスコアのよいgeneration を採用
         tournament = random.sample(generation_, TOUNAMENT_NUM)
         max_genom = max(tournament, key=lambda x: x[1])
 
-        selected_gemems.append(max_genom)
+        selected_genoms.append(max_genom)
 
-    return selected_gemems
+    return selected_genoms
 
 def cross_two_point_copy(child1, child2):
     '''二点交叉'''
@@ -181,7 +164,7 @@ def cross_two_point_copy(child1, child2):
 
     return child1, child2
 
-def crossover(selected):
+def crossover(selected, POPURATIONS, CROSSOVER_PB):
     '''交叉の関数'''
     children = []
     if POPURATIONS % 2:
@@ -194,19 +177,15 @@ def crossover(selected):
     children = children[:POPURATIONS]
     return children
 
-def mutate(children):
-    for child in children:
-        if np.random.rand() < MUTATION_PB:
-            child.mutate()
-    return children
 
-def mutate(children):
+def mutate(children, MUTATION_PB):
 
     tmp_children = []
 
     for child in children:
         individual, score = child[0], child[1]
-        individual.mutate()
+        if np.random.rand() < MUTATION_PB:
+            individual.mutate()
 
         tmp_children.append((individual, score))
 
@@ -220,6 +199,10 @@ def reset_generation_score(generation_):
     return generation_
 
 def scoring(generation_, temperature, food_volume):
+    
+    MAX_NUM = 4 # fitness の最大値
+    THREASHOLD_TEMPRETURE = 10 # score の判定に用いる気温のしきい値
+    THREASHOLD_FOOD_VOLUME = 3000 # score の判定に用いる食料のしきい値
 
     generation_ = reset_generation_score(generation_)
 
@@ -280,7 +263,7 @@ def scoring(generation_, temperature, food_volume):
 
     return generation_
 
-def ga_solve(generation):
+def ga_solve(generation, NUM_GENERATION, POPURATIONS, TOUNAMENT_NUM, CROSSOVER_PB, MUTATION_PB):
     '''遺伝的アルゴリズムのソルバー
         return: 最終世代の最高適応値の個体、最低適応値の個体'''
 
@@ -307,7 +290,7 @@ def ga_solve(generation):
     # Dict だと Key の重複ができないため
     generation_ = [(individual, score) for individual, score in generation.items()]
 
-    for i in range(GENERATIONS):
+    for i in range(NUM_GENERATION):
 
         temperature = random_temperature()
         temperature_transition.append(temperature)
@@ -331,13 +314,13 @@ def ga_solve(generation):
         #         )
 
         # --- Step2. Selection (Roulette)
-        selected_genoms = select_tournament(generation_)
+        selected_genoms = select_tournament(generation_, TOUNAMENT_NUM)
 
         # --- Step3. Crossover (two_point_copy)
-        children = crossover(selected_genoms)
+        children = crossover(selected_genoms, POPURATIONS, CROSSOVER_PB)
 
         # --- Step4. Mutation
-        generation_ = mutate(children)
+        generation_ = mutate(children, MUTATION_PB)
 
         for parameter, genom in best_individual_score[0].all_genoms.items():
             parameter_transiton[parameter].append(sum(genom))
@@ -382,58 +365,4 @@ def get_word_for_image_generate(word_dict, best, index):
 
     # 最終的な I/F 補足: スペース区切りの文字列 を渡す, 英語もありうる
     word = " ".join(word_list)
-    return word
-
-"""### 実行"""
-
-# シード値の固定
-SEED = 42
-np.random.seed(seed=SEED)
-random.seed(SEED)
-
-# パラメーター
-POPURATIONS = 200
-GENOMS_SIZE = 4 # 遺伝配列 0, 1 のどちらかを要素とした配列のサイズ
-GENERATIONS = 1000 # 世代数
-CROSSOVER_PB = 0.5 # cross over(交差) する確率
-MUTATION_PB = 0.7 # mutation(突然変異)する確率
-TOUNAMENT_NUM = 10 # トーナメント方式で競わせる数
-MAX_NUM = 4 # fitness の最大値
-
-THREASHOLD_TEMPRETURE = 5
-THREASHOLD_FOOD_VOLUME = 1500
-
-# 渡すデータの加工イメージ
-# dict 型 {項目(key): 画像生成プログラムに与えるキーワード{value}}
-word_dict = {
-    "body_size": ["Very small", "Small", "Ordinary size", "Big", "Giant"],
-    "body_hair": ["Very Skinny", "Skinny", "Ordinary Skin", "Furry", "Very Furry"],
-    "herd_num":	["Lone", "Pair", "Eight", "Many", "Too Many"],
-    "eating": ["Very Herbivorous", "Herbivorous", "Omnivorous", "Carnivorous","Very Carnivorous"],
-    "body_color": ["Lightest", "Lighter", "Ordinary Tone", "Darker", "Darkest"],
-    "ferocity": ["Very Gentle", "Gentle", "Ordinary", "Ferocious", "Very Ferocious"],
-}
-
-# create first genetarion
-generation = create_generation(POPURATIONS, GENOMS_SIZE)
-
-# アルゴリズムの実行
-best, worst = ga_solve(generation)
-
-# 抽出する世代
-first_generation = 0
-midle_generation = len(best) // 2
-last_generation = -1
-
-first_generation_word = get_word_for_image_generate(word_dict, best, first_generation) + " alien from Mars"
-midle_generation_word = get_word_for_image_generate(word_dict, best, midle_generation) + " alien from Mars"
-last_generation_word = get_word_for_image_generate(word_dict, best, last_generation) + " alien from Mars"
-
-# 抽出する世代のワードを出力
-print()
-print(
-    "最初の世代:", first_generation_word, "\n",
-    f"中間の{midle_generation}世代目:", midle_generation_word, "\n",
-    f"最後の{GENERATIONS}世代目:", last_generation_word, "\n",
-)
-
+    return word