生成对抗网络由两种子网络组成:一个生成器与一个判别期。生成器从潜在空间(latent space)中随机采样作为输入,其输出结果需要尽量模仿训练集中的真实图像。判别器的输入为真实图像或生成网络的输出图像,其目的是将生成器的输出图像从真实图像中尽可能分辨出来。而生成器则要尽可能地欺骗判别器。两个网络相互对抗、不断调整参数,提升自己的能力。
生成对抗网络常用于生成以假乱真的图片,常用场景有手写体生成、人脸合成、风格迁移、图像修复等。此外,该方法还被用于生成视频、三维物体模型等。
项目地址:
https://github.com/PaddlePaddle/book/tree/develop/09.gan
效果展示
先来看一下DCGAN的最终效果:将 MNIST 数据集输入网络进行训练,经过19轮训练后的结果如下图,前8行是真实图片的样子,后8行是网络生成的图像效果。可以看到,生成的图片已经非常接近真实图片的样子。
模型概览
GAN
GAN是一种通过对抗的方式,去学习数据分布的生成模型。以生成图片为例说明:
- 生成器(G)接收一个随机的噪声z,尽可能的生成近似样本的图片,记为G(z)。
- 判别器(D)接收一张输入图片x,尽可以去判别该图像是真实图片还是网络生成的假图片,判别器的输出 D(x) 代表 x 为真实图片的概率。如果 D(x)=1 说明判别器认为该输入一定是真实图片,如果 D(x)=0 说明判别器认为该输入一定是假图片。
在训练的过程中,两个网络互相对抗,最终形成了一个动态的平衡,上述过程用公式可以被描述为:
在最理想的情况下,G 可以生成与真实图片极其相似的图片G(z),而 D 很难判断这张生成的图片是否为真,对图片的真假进行随机猜测,即 D(G(z))=0.5。
下图展示了生成对抗网络的训练过程,假设在训练开始时,真实样本分布、生成样本分布以及判别模型分别是图中的黑线、绿线和蓝线。在训练开始时,判别模型是无法很好地区分真实样本和生成样本的。接下来当我们固定生成模型,而优化判别模型时,优化结果如第二幅图所示,可以看出,这个时候判别模型已经可以较好地区分生成图片和真实图片了。第三步是固定判别模型,改进生成模型,试图让判别模型无法区分生成图片与真实图片,在这个过程中,可以看出由模型生成的图片分布与真实图片分布更加接近,这样的迭代不断进行,直到最终收敛,生成分布和真实分布重合,判别模型无法区分真实图片与生成图片。
图:GAN 训练过程
但是在实际过程中,很难得到这个完美的平衡点,关于GAN的收敛理论还在持续不断的研究中。
DCGAN
DCGAN是深层卷积网络与 GAN 的结合,其基本原理与 GAN 相同,只是将生成器和判别器用两个卷积网络(CNN)替代。为了提高生成样本的质量和网络的收敛速度,论文中的 DCGAN 在网络结构上进行了一些改进:
- 取消 pooling 层:在网络中,所有的pooling层使用步幅卷积(strided convolutions)(判别器)和微步幅度卷积(fractional-strided convolutions)(生成器)进行替换。
- 加入 batch normalization:在生成器和判别器中均加入batchnorm。
- 使用全卷积网络:去掉了FC层,以实现更深的网络结构。
- 激活函数:在生成器(G)中,最后一层使用Tanh函数,其余层采用 ReLu 函数 ; 判别器(D)中都采用LeakyReLu。
图:DCGAN中的生成器(G)
快速开始
本文的DCGAN任务依赖于 Paddle Fluid v1.3 及以上版本,请参考官网安装指南进行安装。
数据准备
本文使用数据规模较小的MNIST 训练生成器和判别器,该数据集可通过paddle.dataset模块自动下载到本地。
加载包
首先加载 Paddle Fluid和其他相关包:
- import sys
-
- import os
-
- import matplotlib
-
- import PIL
-
- import six
-
- import numpy as np
-
- import math
-
- import time
-
- import paddle
-
- import paddle.fluid as fluid
-
- matplotlib.use('agg')
-
- import matplotlib.pyplot as plt
-
- import matplotlib.gridspec as gridspec
-
- from __future__ import absolute_import
-
- from __future__ import division
-
- from __future__ import print_function
定义辅助工具
定义 plot 函数,将图像生成过程可视化:
- def plot(gen_data):
-
- pad_dim = 1
-
- paded = pad_dim + img_dim
-
- gen_data = gen_data.reshape(gen_data.shape[0], img_dim, img_dim)
-
- n = int(math.ceil(math.sqrt(gen_data.shape[0])))
-
- gen_data = (np.pad(
-
- gen_data, [[0, n * n - gen_data.shape[0]], [pad_dim, 0], [pad_dim, 0]],
-
- 'constant').reshape((n, n, paded, paded)).transpose((0, 2, 1, 3))
-
- .reshape((n * paded, n * paded)))
-
- fig = plt.figure(figsize=(8, 8))
-
- plt.axis('off')
-
- plt.imshow(gen_data, cmap='Greys_r', vmin=-1, vmax=1)
-
- return fig
定义超参数
- gf_dim = 64 # 生成器的feature map的基础通道数量,生成器中所有的feature map的通道数量都是基础通道数量的倍数
-
- df_dim = 64 # 判别器的feature map的基础通道数量,判别器中所有的feature map的通道数量都是基础通道数量的倍数
-
- gfc_dim = 1024 * 2 # 生成器的全连接层维度
-
- dfc_dim = 1024 # 判别器的全连接层维度
-
- img_dim = 28 # 输入图片的尺寸
-
- NOISE_SIZE = 100 # 输入噪声的维度
-
- LEARNING_RATE = 2e-4 # 训练的学习率
-
- epoch = 20 # 训练的epoch数
-
- output = "./output_dcgan" # 模型和测试结果的存储路径
-
- use_cudnn = False # 是否使用cuDNN
-
- use_gpu=False # 是否使用GPU训练
定义网络结构
bn 层
调用 fluid.layers.batch_norm 接口实现bn层,激活函数默认使用ReLu。
- def bn(x, name=None, act='relu'):
-
- return fluid.layers.batch_norm(
-
- x,
-
- param_attr=name + '1',
-
- bias_attr=name + '2',
-
- moving_mean_name=name + '3',
-
- moving_variance_name=name + '4',
-
- name=name,
-
- act=act)
卷积层
调用 fluid.nets.simple_img_conv_pool 实现卷积池化组,卷积核大小为3x3,池化窗口大小为2x2,窗口滑动步长为2,激活函数类型由具体网络结构指定。
- def conv(x, num_filters, name=None, act=None):
-
- return fluid.nets.simple_img_conv_pool(
-
- input=x,
-
- filter_size=5,
-
- num_filters=num_filters,
-
- pool_size=2,
-
- pool_stride=2,
-
- param_attr=name + 'w',
-
- bias_attr=name + 'b',
-
- use_cudnn=use_cudnn,
-
- act=act)
全连接层
- def fc(x, num_filters, name=None, act=None):
-
- return fluid.layers.fc(input=x,
-
- size=num_filters,
-
- act=act,
-
- param_attr=name + 'w',
-
- bias_attr=name + 'b')
转置卷积层
在生成器中,需要用随机采样值生成全尺寸图像,dcgan使用转置卷积层进行上采样,在Fluid中,我们调用 fluid.layers.conv2d_transpose 实现转置卷积。
- def deconv(x,
-
- num_filters,
-
- name=None,
-
- filter_size=5,
-
- stride=2,
-
- dilation=1,
-
- padding=2,
-
- output_size=None,
-
- act=None):
-
- return fluid.layers.conv2d_transpose(
-
- input=x,
-
- param_attr=name + 'w',
-
- bias_attr=name + 'b',
-
- num_filters=num_filters,
-
- output_size=output_size,
-
- filter_size=filter_size,
-
- stride=stride,
-
- dilation=dilation,
-
- padding=padding,
-
- use_cudnn=use_cudnn,
-
- act=act)
判别器
判别器使用真实数据集和生成器生成的假图片共同进行训练,在训练过程中尽量使真实数据集的输出结果为1,生成的假图片输出结果为0。本文中实现的判别器由两个卷积池化层和两个全连接层组成,其中最后一个全连接层的神经元个数为1,输出一个二分类结果。
- def D(x):
-
- x = fluid.layers.reshape(x=x, shape=[-1, 1, 28, 28])
-
- x = conv(x, df_dim, act='leaky_relu',name='conv1')
-
- x = bn(conv(x, df_dim * 2,name='conv2'), act='leaky_relu',name='bn1')
-
- x = bn(fc(x, dfc_dim,name='fc1'), act='leaky_relu',name='bn2')
-
- x = fc(x, 1, act='sigmoid',name='fc2')
-
- return x
生成器
生成器由两组带BN的全连接层和两组转置卷积层组成,网络输入为随机的噪声数据,最后一层转置卷积的卷积核数为1,表示输出为灰度图片。
- def G(x):
-
- x = bn(fc(x, gfc_dim,name='fc3'),name='bn3')
-
- x = bn(fc(x, gf_dim * 2 * img_dim // 4 * img_dim // 4,name='fc4'),name='bn4')
-
- x = fluid.layers.reshape(x, [-1, gf_dim * 2, img_dim // 4, img_dim // 4])
-
- x = deconv(x, gf_dim * 2, act='relu', output_size=[14, 14],name='deconv1')
-
- x = deconv(x, num_filters=1, filter_size=5, padding=2, act='tanh', output_size=[28, 28],name='deconv2')
-
- x = fluid.layers.reshape(x, shape=[-1, 28 * 28])
-
- return x
损失函数
损失函数使用 sigmoid_cross_entropy_with_logits
- def loss(x, label):
-
- return fluid.layers.mean(
-
- fluid.layers.sigmoid_cross_entropy_with_logits(x=x, label=label))
创建Program
- d_program = fluid.Program()
-
- dg_program = fluid.Program()
-
- # 定义判别真实图片的program
-
- with fluid.program_guard(d_program):
-
- # 输入图片大小为28*28=784
-
- img = fluid.layers.data(name='img', shape=[784], dtype='float32')
-
- # 标签shape=1
-
- label = fluid.layers.data(name='label', shape=[1], dtype='float32')
-
- d_logit = D(img)
-
- d_loss = loss(d_logit, label)
-
- # 定义判别生成图片的program
-
- with fluid.program_guard(dg_program):
-
- noise = fluid.layers.data(
-
- name='noise', shape=[NOISE_SIZE], dtype='float32')
-
- # 噪声数据作为输入得到生成图片
-
- g_img = G(x=noise)
-
- g_program = dg_program.clone()
-
- g_program_test = dg_program.clone(for_test=True)
-
- # 判断生成图片为真实样本的概率
-
- dg_logit = D(g_img)
-
- # 计算生成图片被判别为真实样本的loss
-
- dg_loss = loss(
-
- dg_logit,
-
- fluid.layers.fill_constant_batch_size_like(
-
- input=noise, dtype='float32', shape=[-1, 1], value=1.0))
使用adam作为优化器,分别优化判别真实图片的loss和判别生成图片的loss。
- opt = fluid.optimizer.Adam(learning_rate=LEARNING_RATE)
-
- opt.minimize(loss=d_loss)
-
- parameters = [p.name for p in g_program.global_block().all_parameters()]
-
- opt.minimize(loss=dg_loss, parameter_list=parameters)
数据集 Feeders 配置
下一步,我们开始训练过程。paddle.dataset.mnist.train()用做训练数据集。这个函数返回一个reader——飞桨(PaddlePaddle)中的reader是一个Python函数,每次调用的时候返回一个Python yield generator。
下面shuffle是一个reader decorator,它接受一个reader A,返回另一个reader B。reader B 每次读入buffer_size条训练数据到一个buffer里,然后随机打乱其顺序,并且逐条输出。
batch是一个特殊的decorator,它的输入是一个reader,输出是一个batched reader。在飞桨(PaddlePaddle)里,一个reader每次yield一条训练数据,而一个batched reader每次yield一个minibatch。
- batch_size = 128 # Minibatch size
-
- train_reader = paddle.batch(
-
- paddle.reader.shuffle(
-
- paddle.dataset.mnist.train(), buf_size=60000),
-
- batch_size=batch_size)
创建执行器
- if use_gpu:
-
- exe = fluid.Executor(fluid.CUDAPlace(0))
-
- else:
-
- exe = fluid.Executor(fluid.CPUPlace())
-
- exe.run(fluid.default_startup_program())
开始训练
训练过程中的每一次迭代,生成器和判别器分别设置自己的迭代次数。为了避免判别器快速收敛到0,本文默认每迭代一次,训练一次判别器,两次生成器。
- t_time = 0
-
- losses = [[], []]
-
- # 判别器的迭代次数
-
- NUM_TRAIN_TIMES_OF_DG = 2
-
- # 最终生成图像的噪声数据
-
- const_n = np.random.uniform(
-
- low=-1.0, high=1.0,
-
- size=[batch_size, NOISE_SIZE]).astype('float32')
-
- for pass_id in range(epoch):
-
- for batch_id, data in enumerate(train_reader()):
-
- if len(data) != batch_size:
-
- continue
-
- # 生成训练过程的噪声数据
-
- noise_data = np.random.uniform(
-
- low=-1.0, high=1.0,
-
- size=[batch_size, NOISE_SIZE]).astype('float32')
-
- # 真实图片
-
- real_image = np.array(list(map(lambda x: x[0], data))).reshape(
-
- -1, 784).astype('float32')
-
- # 真实标签
-
- real_labels = np.ones(
-
- shape=[real_image.shape[0], 1], dtype='float32')
-
- # 虚假标签
-
- fake_labels = np.zeros(
-
- shape=[real_image.shape[0], 1], dtype='float32')
-
- total_label = np.concatenate([real_labels, fake_labels])
-
- s_time = time.time()
-
- # 虚假图片
-
- generated_image = exe.run(g_program,
-
- feed={'noise': noise_data},
-
- fetch_list={g_img})[0]
-
- total_images = np.concatenate([real_image, generated_image])
-
- # D 判断虚假图片为假的loss
-
- d_loss_1 = exe.run(d_program,
-
- feed={
-
- 'img': generated_image,
-
- 'label': fake_labels,
-
- },
-
- fetch_list={d_loss})[0][0]
-
- # D 判断真实图片为真的loss
-
- d_loss_2 = exe.run(d_program,
-
- feed={
-
- 'img': real_image,
-
- 'label': real_labels,
-
- },
-
- fetch_list={d_loss})[0][0]
-
- d_loss_n = d_loss_1 + d_loss_2
-
- losses[0].append(d_loss_n)
-
- # 训练生成器
-
- for _ in six.moves.xrange(NUM_TRAIN_TIMES_OF_DG):
-
- noise_data = np.random.uniform(
-
- low=-1.0, high=1.0,
-
- size=[batch_size, NOISE_SIZE]).astype('float32')
-
- dg_loss_n = exe.run(dg_program,
-
- feed={'noise': noise_data},
-
- fetch_list={dg_loss})[0][0]
-
- losses[1].append(dg_loss_n)
-
- t_time += (time.time() - s_time)
-
- if batch_id % 10 == 0 and not run_ce:
-
- if not os.path.exists(output):
-
- os.makedirs(output)
-
- # 每轮的生成结果
-
- generated_images = exe.run(g_program_test,
-
- feed={'noise': const_n},
-
- fetch_list={g_img})[0]
-
- # 将真实图片和生成图片连接
-
- total_images = np.concatenate([real_image, generated_images])
-
- fig = plot(total_images)
-
- msg = "Epoch ID={0} Batch ID={1} D-Loss={2} DG-Loss={3}\n ".format(
-
- pass_id, batch_id,
-
- d_loss_n, dg_loss_n)
-
- print(msg)
-
- plt.title(msg)
-
- plt.savefig(
-
- '{}/{:04d}_{:04d}.png'.format(output, pass_id,
-
- batch_id),
-
- bbox_inches='tight')
-
- plt.close(fig)
打印特定轮次的生成结果:
- def display_image(epoch_no,batch_id):
-
- return PIL.Image.open('output_dcgan/{:04d}_{:04d}.png'.format(epoch_no,batch_id))
-
- # 观察第10个epoch,460个batch的生成图像:
-
- display_image(10,460)
总结
DCGAN采用一个随机噪声向量作为输入,输入通过与CNN类似但是相反的结构,将输入放大成二维数据。采用这种结构的生成模型和CNN结构的判别模型,DCGAN在图片生成上可以达到相当可观的效果。本文中,我们利用DCGAN生成了手写数字图片,您可以尝试更换数据集生成符合个人需求的图片,完成您的图像生成任务,快来试试吧!
更多内容,可点击文末阅读原文或查看:
https://github.com/PaddlePaddle/book/tree/develop/09.gan
ps:最后给大家推荐一个GPU福利-Tesla V100免费算力!配合PaddleHub能让模型原地起飞~扫码下方二维码申请~