虽然GAN现在已经有了很多更新和分支，但是要接触这一行，鼻祖的文章还是要做一下的。下面是pytorch版的GAN代码解读，主要是对代码进行解释，帮助初学者更好的了解GAN。
训练集
GAN用的训练集为MNIST训练集，这个在pytorch中已经集成了，可以很方便的下载和调用。
# Configure data loader
os.makedirs("../../data/mnist", exist_ok=True)#创建文件夹
dataloader = torch.utils.data.DataLoader(
datasets.MNIST(
"../../data/mnist",
train=True,
download=True,
transform=transforms.Compose(
[transforms.Resize(opt.img_size), transforms.ToTensor(), transforms.Normalize([0.5], [0.5])]
),
),
batch_size=opt.batch_size,
shuffle=True,
)
使用torchvision.transforms进行图像增强，compose()将多个transform组合起来使用。ToTensor()把图像或者是数组转化为形状为 [C,H,W] ，取值范围是 [0,1.0] 的 torch.FloadTensor。Normalize(mean,std)归一化操作，给定均值和方差将把Tensor正则化。
torch.utils.data.DataLoader()具体解释请进这个链接
现在数据集已经读取进来了，下面进行构建模块。
Generator模块搭建
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
def block(in_feat, out_feat, normalize=True):
layers = [nn.Linear(in_feat, out_feat)]
if normalize:
layers.append(nn.BatchNorm1d(out_feat, 0.8))
layers.append(nn.LeakyReLU(0.2, inplace=True))
return layers
self.model = nn.Sequential(
*block(opt.latent_dim, 128, normalize=False),
*block(128, 256),
*block(256, 512),
*block(512, 1024),
nn.Linear(1024, int(np.prod(img_shape))),
nn.Tanh()
)
def forward(self, z):
img = self.model(z)
img = img.view(img.size(0), *img_shape)
return img
这儿提一下super用法，super首先找到Generator的父类，然后把类Generator的对象转化为他的父类的对象。
然后block是接收一个元祖，block是接收一个字典。
nn.linear():维度转换
nn.BatchNorm1d():对输入进行批标准化处理
nn.LeakyReLU(negative_slope,inplace):
数学表达式：LeakyReLU(x) = max(0,x)+negative_slopemin(0,x)
inplace=True:将得到的值覆盖之前的值。
nn.Sequential():时序容器，modules会以他们传入的顺序被添加到容器中。
.view()函数：重构张量的维度。
总结：这儿是将z值传入，然后加几个全连接层，然后输出！
Discriminator模块搭建
class Discriminator(nn.Module):
def __init__(self):
super(Discriminator, self).__init__()
self.model = nn.Sequential(
nn.Linear(int(np.prod(img_shape)), 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, img):
img_flat = img.view(img.size(0), -1)
validity = self.model(img_flat)
return validity
这儿跟上面生成器都是做几个全连接层。
训练准备
os.makedirs("images", exist_ok=True)
parser = argparse.ArgumentParser()
parser.add_argument("--n_epochs", type=int, default=200, help="number of epochs of training")
parser.add_argument("--batch_size", type=int, default=64, help="size of the batches")
parser.add_argument("--lr", type=float, default=0.0002, help="adam: learning rate")
parser.add_argument("--b1", type=float, default=0.5, help="adam: decay of first order momentum of gradient")
parser.add_argument("--b2", type=float, default=0.999, help="adam: decay of first order momentum of gradient")
parser.add_argument("--n_cpu", type=int, default=8, help="number of cpu threads to use during batch generation")
parser.add_argument("--latent_dim", type=int, default=100, help="dimensionality of the latent space")
parser.add_argument("--img_size", type=int, default=28, help="size of each image dimension")
parser.add_argument("--channels", type=int, default=1, help="number of image channels")
parser.add_argument("--sample_interval", type=int, default=400, help="interval betwen image samples")
opt = parser.parse_args()
print(opt)
img_shape = (opt.channels, opt.img_size, opt.img_size)
cuda = True if torch.cuda.is_available() else False
# Loss function
adversarial_loss = torch.nn.BCELoss()
# Initialize generator and discriminator
generator = Generator()
discriminator = Discriminator()
# Optimizers
optimizer_G = torch.optim.Adam(generator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2))
optimizer_D = torch.optim.Adam(discriminator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2))
Tensor = torch.cuda.FloatTensor if cuda else torch.FloatTensor
if cuda:
generator.cuda()
discriminator.cuda()
adversarial_loss.cuda()
- argparse,这个模块在这儿有介绍，
然后在img_shape中调用argparse模块的参数。 - cuda这句话是判断cuda是否能用，返回值为布尔值。
- loss函数，torch.nn.BCELoss()是一个二分类交叉熵，定义如下：
用N表示样本数量，表示预测第n个样本为正例的概率，
表示第n个样本的标签，则：
这不就是论文中定义的公式么！ - optimzer：这儿统一使用Adam优化器，不再赘述。
- Tensor：转换为GPU的张量类型。
开始训练
# ----------
# Training
# ----------
for epoch in range(opt.n_epochs):
for i, (imgs, _) in enumerate(dataloader):
# Adversarial ground truths
valid = Variable(Tensor(imgs.size(0), 1).fill_(1.0), requires_grad=False)
fake = Variable(Tensor(imgs.size(0), 1).fill_(0.0), requires_grad=False)
# Configure input
real_imgs = Variable(imgs.type(Tensor))
# -----------------
# Train Generator
# -----------------
optimizer_G.zero_grad()
# Sample noise as generator input
z = Variable(Tensor(np.random.normal(0, 1, (imgs.shape[0], opt.latent_dim))))
# Generate a batch of images
gen_imgs = generator(z)
# Loss measures generator's ability to fool the discriminator
g_loss = adversarial_loss(discriminator(gen_imgs), valid)
g_loss.backward()
optimizer_G.step()
# ---------------------
# Train Discriminator
# ---------------------
optimizer_D.zero_grad()
# Measure discriminator's ability to classify real from generated samples
real_loss = adversarial_loss(discriminator(real_imgs), valid)
fake_loss = adversarial_loss(discriminator(gen_imgs.detach()), fake)
d_loss = (real_loss + fake_loss) / 2
d_loss.backward()
optimizer_D.step()
print(
"[Epoch %d/%d] [Batch %d/%d] [D loss: %f] [G loss: %f]"
% (epoch, opt.n_epochs, i, len(dataloader), d_loss.item(), g_loss.item())
)
batches_done = epoch * len(dataloader) + i
if batches_done % opt.sample_interval == 0:
save_image(gen_imgs.data[:25], "images/%d.png" % batches_done, nrow=5, normalize=True)
- 首先两个循环，对应论文中两个for循环，只不过这儿D和G是一对一关系。
- Variable：对Tensor进行封装，然后整合了反向传播，用变量.backward()进行反向传播之后，var.grad中保存了var的梯度。
Variable包含了三个属性：
- data:储存了Tensor，是本体的数据
- grad:保存了data的梯度，本身是个Variable而非Tensor，与data形状一致
- grad_fn:指向Function对象，用于反向传播的梯度计算使用
- .zero_grad()：将模型的参数梯度设置为0
- z:初始化噪声
- g_loss：先前向再后向。
- step()：模型更新
下面的D跟上述的G是类似的思路。最下面就是输出一些信息。
了解更多请关注作者微信公众号：
一技破万法
