第六週: 生成式對抗網路
視訊學習
1. GAN(生成式對抗網路)
GAN的框架
GAN的工作原理
-
由判別器和生成器組成
-
判別器(Discriminator):區分真實(real)樣本和虛假(fake)樣本。對於真實樣本,儘可能給出高的評分1;對於虛假資料,儘可能給出低的評分0
-
生成器(Generator):欺騙判別器。生成虛假資料,使得判別器D能夠儘可能給出高的評分1
-
生成器和判器存在著對抗的關係,通過不斷的對抗使最終結果無限接近我們想要的結果
-
隨機噪聲z:從一個先驗分佈(人為定義,一般是均勻分佈或者正態分佈)中隨機取樣的向量
-
真實樣本x:從資料庫中取樣的樣本;合成樣本G(z):生成模型G輸出的樣本
GAN目標函式
GAN訓練演算法
-
隨機初始化生成器和判別器
-
交替訓練判別器D和生成器G,直到收斂
(1)步驟1:固定生成器G,訓練判別器D區分真實影象與合成影象,賦予真實影象高分,賦予合成影象低分
(2) 步驟2:固定判別器D,訓練生成器G欺騙判別器D,更新生成器的引數,使其合成的圖片被生成器D賦予高分
重複執行以上兩步
GAN訓練策略
KL散度與JS散度
極大似然估計
GAN在做的事情
-
最大化判別器損失,等價於計算合成數據分佈和真實資料分佈的JS散度
-
最小化生成器損失,等價於最小化JS散度(也就是優化生成模型)
2. cGAN(條件生成式對抗網路)
網路結構
目標函式
3. DcGAN(深度卷積生成式對抗網路)
網路結構(判別器)
-
使用滑動卷積(strided convolution)
-
除了輸入層,全部使用批歸一化
-
使用Leaky ReLu啟用函式
-
除了最後一層,不使用全連線層
網路結構(生成器)
-
使用滑動反捲積(fractional strided convolution)
-
除了輸出層,全部使用批歸一化
-
使用ReLu啟用函式,最後一層使用tanh啟用函式
滑動卷積、滑動反捲積:
使得判別器和生成器可以學習自己的上取樣和下采樣策略
批歸一化:
訓練更穩定
Tanh啟用函式:
更快的學習到真實資料的顏色空間
訓練策略
-
資料預處理:所有輸入資料歸一化到[-1,1]
-
啟用函式:Leaky ReLu的斜率設定為0.2
-
初始化:使用均值為0,標準差為0.02的正態分佈初始化網路引數
-
優化器:使用Adam優化器,學習率為0.0002,betal=0.5,beta2=0.999
程式碼練習
GAN
首先借助於 sklearn.datasets.make_moons 庫,生成雙半月形的資料,同時把資料點畫出來。可以看出,資料散點呈現兩個半月形狀。
- 生成器: 32 ==> 128 ==> 2
- 判別器: 2 ==> 128 ==> 1
生成器生成的是樣本,即一組座標(x,y),我們希望生成器能夠由一組任意的 32組噪聲生成座標(x,y)處於兩個半月形狀上。
判別器輸入的是一組座標(x,y),最後一層是sigmoid函式,是一個範圍在(0,1)間的數,即樣本為真或者假的置信度。如果輸入的是真樣本,得到的結果儘量接近1;如果輸入的是假樣本,得到的結果儘量接近0。
import torch.nn as nn
z_dim = 32
hidden_dim = 128
# 定義生成器
net_G = nn.Sequential(
nn.Linear(z_dim,hidden_dim),
nn.ReLU(),
nn.Linear(hidden_dim, 2))
# 定義判別器
net_D = nn.Sequential(
nn.Linear(2,hidden_dim),
nn.ReLU(),
nn.Linear(hidden_dim,1),
nn.Sigmoid())
# 網路放到 GPU 上
net_G = net_G.to(device)
net_D = net_D.to(device)
# 定義網路的優化器
optimizer_G = torch.optim.Adam(net_G.parameters(),lr=0.0001)
optimizer_D = torch.optim.Adam(net_D.parameters(),lr=0.0001)
對抗訓練過程:
batch_size = 50
nb_epochs = 1000
loss_D_epoch = []
loss_G_epoch = []
for e in range(nb_epochs):
np.random.shuffle(X)
real_samples = torch.from_numpy(X).type(torch.FloatTensor)
loss_G = 0
loss_D = 0
for t, real_batch in enumerate(real_samples.split(batch_size)):
# 固定生成器G,改進判別器D
# 使用normal_()函式生成一組隨機噪聲,輸入G得到一組樣本
z = torch.empty(batch_size,z_dim).normal_().to(device)
fake_batch = net_G(z)
# 將真、假樣本分別輸入判別器,得到結果
D_scores_on_real = net_D(real_batch.to(device))
D_scores_on_fake = net_D(fake_batch)
# 優化過程中,假樣本的score會越來越小,真樣本的score會越來越大,下面 loss 的定義剛好符合這一規律,
# 要保證loss越來越小,真樣本的score前面要加負號
# 要保證loss越來越小,假樣本的score前面是正號(負負得正)
loss = -torch.mean(torch.log(1-D_scores_on_fake) + torch.log(D_scores_on_real))
# 梯度清零
optimizer_D.zero_grad()
# 反向傳播優化
loss.backward()
# 更新全部引數
optimizer_D.step()
loss_D += loss
# 固定判別器,改進生成器
# 生成一組隨機噪聲,輸入生成器得到一組假樣本
z = torch.empty(batch_size,z_dim).normal_().to(device)
fake_batch = net_G(z)
# 假樣本輸入判別器得到 score
D_scores_on_fake = net_D(fake_batch)
# 我們希望假樣本能夠騙過生成器,得到較高的分數,下面的 loss 定義也符合這一規律
# 要保證 loss 越來越小,假樣本的前面要加負號
loss = -torch.mean(torch.log(D_scores_on_fake))
optimizer_G.zero_grad()
loss.backward()
optimizer_G.step()
loss_G += loss
if e % 50 ==0:
print(f'\n Epoch {e} , D loss: {loss_D}, G loss: {loss_G}')
loss_D_epoch.append(loss_D)
loss_G_epoch.append(loss_G)
可以看出訓練結果是十分不理想的,其中,白色的是原來的真實樣本,黑色的點是生成器生成的樣本。看起來,效果是不令人滿意的。現在把學習率修改為 0.001,batch_size改大到250:
loss明顯減小了,訓練結果比一開始好多了。
CGAN和DCGAN
Conditional Generative Adversarial Nets,簡單來說就是條件生成-對抗網路。在生成器以及判別器上它都多了一個標籤作為輸入。
所以,生成器的輸入是噪聲和標籤,輸出還是生成圖;判別器的輸入是生成圖,真實圖以及標籤,輸出還是真和假。
這裡epoch我設定為100
CGAN
下面分別是 判別器 和 生成器 的網路結構,可以看出網路結構非常簡單,具體如下:
-
生成器:(784 + 10) ==> 512 ==> 256 ==> 1
-
判別器:(100 + 10) ==> 128 ==> 256 ==> 512 ==> 784
可以看出,去掉生成器和判別器那 10 維的標籤資訊,和普通的GAN是完全一樣的。
class Discriminator(nn.Module):
'''全連線判別器,用於1x28x28的MNIST資料,輸出是資料和類別'''
def __init__(self):
super(Discriminator, self).__init__()
self.model = nn.Sequential(
nn.Linear(28*28+10, 512),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(512, 256),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(256, 1),
nn.Sigmoid()
)
def forward(self, x, c):
x = x.view(x.size(0), -1)
validity = self.model(torch.cat([x, c], -1))
return validity
class Generator(nn.Module):
'''全連線生成器,用於1x28x28的MNIST資料,輸入是噪聲和類別'''
def __init__(self, z_dim):
super(Generator, self).__init__()
self.model = nn.Sequential(
nn.Linear(z_dim+10, 128),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(128, 256),
nn.BatchNorm1d(256, 0.8),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(256, 512),
nn.BatchNorm1d(512, 0.8),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(in_features=512, out_features=28*28),
nn.Tanh()
)
def forward(self, z, c):
x = self.model(torch.cat([z, c], dim=1))
x = x.view(-1, 1, 28, 28)
return x
訓練過程:
# 開始訓練,一共訓練total_epochs
for epoch in range(total_epochs):
# torch.nn.Module.train() 指的是模型啟用 BatchNormalization 和 Dropout
# torch.nn.Module.eval() 指的是模型不啟用 BatchNormalization 和 Dropout
# 因此,train()一般在訓練時用到, eval() 一般在測試時用到
generator = generator.train()
# 訓練一個epoch
for i, data in enumerate(dataloader):
# 載入真實資料
real_images, real_labels = data
real_images = real_images.to(device)
# 把對應的標籤轉化成 one-hot 型別
tmp = torch.FloatTensor(real_labels.size(0), 10).zero_()
real_labels = tmp.scatter_(dim=1, index=torch.LongTensor(real_labels.view(-1, 1)), value=1)
real_labels = real_labels.to(device)
# 生成資料
# 用正態分佈中取樣batch_size個隨機噪聲
z = torch.randn([batch_size, z_dim]).to(device)
# 生成 batch_size 個 ont-hot 標籤
c = torch.FloatTensor(batch_size, 10).zero_()
c = c.scatter_(dim=1, index=torch.LongTensor(np.random.choice(10, batch_size).reshape([batch_size, 1])), value=1)
c = c.to(device)
# 生成資料
fake_images = generator(z,c)
# 計算判別器損失,並優化判別器
real_loss = bce(discriminator(real_images, real_labels), ones)
fake_loss = bce(discriminator(fake_images.detach(), c), zeros)
d_loss = real_loss + fake_loss
d_optimizer.zero_grad()
d_loss.backward()
d_optimizer.step()
# 計算生成器損失,並優化生成器
g_loss = bce(discriminator(fake_images, c), ones)
g_optimizer.zero_grad()
g_loss.backward()
g_optimizer.step()
# 輸出損失
print("[Epoch %d/%d] [D loss: %f] [G loss: %f]" % (epoch, total_epochs, d_loss.item(), g_loss.item()))
結果十分不理想
DCGAN
class D_dcgan(nn.Module):
'''滑動卷積判別器'''
def __init__(self):
super(D_dcgan, self).__init__()
self.conv = nn.Sequential(
# 第一個滑動卷積層,不使用BN,LRelu啟用函式
nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3, stride=2, padding=1),
nn.LeakyReLU(0.2, inplace=True),
# 第二個滑動卷積層,包含BN,LRelu啟用函式
nn.Conv2d(in_channels=16, out_channels=32, kernel_size=3, stride=2, padding=1),
nn.BatchNorm2d(32),
nn.LeakyReLU(0.2, inplace=True),
# 第三個滑動卷積層,包含BN,LRelu啟用函式
nn.Conv2d(in_channels=32, out_channels=64, kernel_size=3, stride=2, padding=1),
nn.BatchNorm2d(64),
nn.LeakyReLU(0.2, inplace=True),
# 第四個滑動卷積層,包含BN,LRelu啟用函式
nn.Conv2d(in_channels=64, out_channels=128, kernel_size=4, stride=1),
nn.BatchNorm2d(128),
nn.LeakyReLU(0.2, inplace=True)
)
# 全連線層+Sigmoid啟用函式
self.linear = nn.Sequential(nn.Linear(in_features=128, out_features=1), nn.Sigmoid())
def forward(self, x):
x = self.conv(x)
x = x.view(x.size(0), -1)
validity = self.linear(x)
return validity
class G_dcgan(nn.Module):
'''反滑動卷積生成器'''
def __init__(self, z_dim):
super(G_dcgan, self).__init__()
self.z_dim = z_dim
# 第一層:把輸入線性變換成256x4x4的矩陣,並在這個基礎上做反捲機操作
self.linear = nn.Linear(self.z_dim, 4*4*256)
self.model = nn.Sequential(
# 第二層:bn+relu
nn.ConvTranspose2d(in_channels=256, out_channels=128, kernel_size=3, stride=2, padding=0),
nn.BatchNorm2d(128),
nn.ReLU(inplace=True),
# 第三層:bn+relu
nn.ConvTranspose2d(in_channels=128, out_channels=64, kernel_size=3, stride=2, padding=1),
nn.BatchNorm2d(64),
nn.ReLU(inplace=True),
# 第四層:不使用BN,使用tanh啟用函式
nn.ConvTranspose2d(in_channels=64, out_channels=1, kernel_size=4, stride=2, padding=2),
nn.Tanh()
)
def forward(self, z):
# 把隨機噪聲經過線性變換,resize成256x4x4的大小
x = self.linear(z)
x = x.view([x.size(0), 256, 4, 4])
# 生成圖片
x = self.model(x)
return x
epoch為30結果還是可以的,但是epoch設為100結果很不理想。