PredNet是一个利用神经生物学中的预测性编码（Predictive Coding）原理所构建的视频预测模型，预测过程自顶向下，感知过程自底向上，对于其本身原理更感兴趣的同学可以参考Wikipedia。PreNet为该原理在视频数据上的一个实现，结构如下所示。网络为层级结构，每一层都会通过R来计算A_hat以预测输入A，两者的差异E再作为输入传递给下一层。其中R为每一层的表征，由一个LSTM来完成对时序信息的整合。特别的是R的输入除了由当前层的误差E外，还包含高层的表征，从而使得顶层的语义信息可以向底层传递。
以下给出两张官方参数的预测结果，第一行为真实图像，第二行为预测图像，第一个时间步网络处于初始化状态，没有外部输入，故输出为0。
论文: Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning
参考repo: prednet
在此非常感谢@coxlab等人贡献的prednet，提高了本repo复现论文的效率。
aistudio体验教程: 地址
本项目使用KITTI数据集进行训练。KITTI是一个自动驾驶领域常用的数据集，其由配置了传感器的汽车于德国卡尔斯鲁厄采集，数据中包含了双目彩色图像、深度图像、雷达点云等传感数据，并提供目标检测、实例分割等常见CV任务的标签。
按照论文中的设置，将RGB图像降采样至128x160。由于原始KITTI数据过大（~165G），作者在DropBox上提供了处理过的版本。又由于处理过后的数据为.hkl格式，只能在python2中使用hickle 2.1.0进行加载，所以我将数据集转换为hdf5格式，上传至AI Studio。本地运行代码的同学可下载三个数据文件放置于kitti_data中。
数据分为train，val，test三个数据集，分别包含41396，154，832张图像。每个文件中包含两个变量，images为所有图像帧，sources是每帧图像
的来源，用于判断帧之间的连续性。
采用与原文代码一致的训练参数：batch size 4，epoch 150，samples per epoch 500，优化器Adam，初始学习率1e-3，75个epoch后减小为1e-4。保存验证集loss最低的模型为最优模型。
| 数据集 | 复现精度要求 | 原始代码库精度 | 本项目精度 |
|---|---|---|---|
| KITTI | 0.007000 | 0.006995 | 0.006900 |
- 硬件：CPU or GPU
- 框架：
- python=3.7
- PaddlePaddle=2.2.0
首先根据机器情况安装paddlepaddle，对于需要训练的同学强烈建议使用GPU。对于有GPU的机器使用pip install paddlepaddle-gpu==2.2.0，对于没有GPU的机器使用pip install paddlepaddle==2.2.0。更多安装方式可以参考PaddlePaddle官网。
在安装完PaddlePaddle之后，直接使用pip install -r requirements.txt安装其他依赖。
bash download_original_models.sh
python kitti_evaluate.py --weight_file model_data_keras2/tensorflow_weights/prednet_kitti_weights.hdf5python kitti_train.py
python kitti_evaluate.py
项目同时提供以gif文件为输入的预测demo，我们提供了gif/demo.gif为示例文件，运行以下代码可产生预测gif：
python demo.py --input gif/demo.gif --output gif/demo_output.gif
效果如下，左侧为输入gif，右侧为预测gif:
├── LICENSE
├── README.md
├── data.py # 数据集定义
├── kitti_data # 数据文件夹
│ ├── test.h5 # 测试数据
│ ├── train.h5 # 训练数据
│ └── val.h5 # 验证数据
├── kitti_evaluate.py # 评估脚本
├── kitti_results
│ ├── prediction_plots/ # 测试集预测可视化
│ └── prediction_scores.txt # 测试集指标
├── kitti_settings.py # 路径定义
├── kitti_train.py # 训练脚本
├── prednet.py # 网络定义
├── demo.py # gif预测脚本
├── requirements.txt # 依赖包
└── utils.py # 功能函数
PredNet作为2016年的模型，与现在的模型相比更加纯粹一些，没有各种花式trick，复现起来相对容易。
原始代码是使用keras实现的，所以在复现时有几个小细节需要注意：
- 默认初始化方式：keras的默认初始化方式为
XavierUniform，而paddle的默认初始化方式为XavierNormal，本项目通过传入weight_attr进行修改。 - HardSigmoid表达式：keras为
clip(x/5+0.5, 0, 1)，而paddle为clip(x/6+0.5, 0, 1)，本项目通过重写HardSigmoid进行对齐。
可能受限于当时的计算资源，作者并没有对模型进行深度的调参，在实验的过程中发现，调整学习率衰减率至0.5,训练400个epoch，test MSE可以达到0.006546，并且仍在减少，说明模型的潜力还没有被完全发掘。感兴趣的同学可以继续调参~