一、CGAN的简单介绍
我们先说一下传统机器学习中的监督学习,监督学习就是通过有标签数据集训练模型的一种机器学习方式。在分类问题上,神经网络的监督式学习可以达到比较理想的效果。我们把监督学习的想法用在生成模型上,我们想要的结果是模型根据网络的输入的标签生成对应的输出。
传统的神经网络就可以做到这一点,如下图,将标签转化为向量输入到神经网络中,得到输出图像,并且让输出图像与真实图像越来越接近就可以。这样得到的图像就是根据输入的标签得到的对应的图像。
但是,这样的设计存在一些问题。从实际效果看往往很不理想。核心的问题在于标签数据的一对多的情况。一句文本对应的图像可能会有多个,标签虽然相同,但是在内容本身上相差甚远。这样传统的神经网络会让输出结果与每一个训练结果都尽可能相近,导致生成图像非常模糊。甚至是无法分辨的情况。
因此,为了解决带标签数据的生成问题,研究者们在GAN的基础上提出了条件式生成对抗网络的概念。也就是CGAN。CGAN可以通过参数的控制来指导数据的生成,解决传统神经网络无法很好地控制数据生成的模式。
二、CGAN的理论
我们先来看一下传统GAN的目标函数,在生成器和判别器的训练过程中模型的目标是取得一个极小极大值。
而CGAN是对GAN的一个扩充,在原有的网络结构的情况下,对判别器和生成器的输入都加上一个额外的辅助信息y,这个y就是该数据的分类标签。接下来,我们看一下CGAN的目标函数,与传统的GAN目标函数没有什么区别,只是对判别器的输入x和生成器的输入z都加上了条件y。
下图是CGAN的网络结构示意图:
我们再分析一下网络的具体架构,对于生成器。输入为标签c和噪声z,经过生成器G,得到图像x=G(c,z)。此时,图像x是由c和z共同决定的。
对于判别器,输入数据x和标签c。得到的一个分数,这个分数用来衡量输入的图像x是真是假和输入的图像x和标签c是否匹配。我们的输出给分情况分为,(正确的标签,正确的图像): 1,(正确的标签,错误的图像: 0,(错误的标签,正确的图像): 0。下面是两种判别器的架构:
第一种:输入x和c经过各自网络提取特征,在一起输入Network得到分数。
第二种:x输入一个网络得到输出用来衡量x是真是假,在与c一起输入网络。得到x与c是否匹配。
最后,我们的网络就会根据输入的标签就能生成我们想要的数据。
三、CGAN的代码实现(keras)
1. 导包
from __future__ import print_function, division
from keras.datasets import mnist
from keras.layers import Input, Dense, Reshape, Flatten, Dropout, multiply
from keras.layers import BatchNormalization, Embedding
from keras.layers.advanced_activations import LeakyReLU
from keras.models import Sequential, Model
from keras.optimizers import Adam
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
2. 初始化
class CGAN():
def __init__(self):
self.img_rows = 28
self.img_cols = 28
self.channels = 1
self.img_shape = (self.img_rows, self.img_cols, self.channels)
self.num_classes = 10
self.latent_dim = 100
optimizer = Adam(0.0002, 0.5)
# 构建并且编译判别器
self.discriminator = self.build_discriminator()
self.discriminator.compile(loss=['binary_crossentropy'],
optimizer=optimizer,
metrics=['accuracy'])
# 构建生成器
self.generator = self.build_generator()
# 定义输入,生成图片
noise = Input(shape=(100,))
label = Input(shape=(1,))
img = self.generator([noise, label])
# 冻结判别器
self.discriminator.trainable = False
# 获得判别结果
valid = self.discriminator([img, label])
self.combined = Model([noise, label], valid)
self.combined.compile(loss=['binary_crossentropy'],
optimizer=optimizer)
3. 构建生成器
def build_generator(self):
model = Sequential()
model.add(Dense(256, input_dim=self.latent_dim))
model.add(LeakyReLU(alpha=0.2))
model.add(BatchNormalization(momentum=0.8))
model.add(Dense(512))
model.add(LeakyReLU(alpha=0.2))
model.add(BatchNormalization(momentum=0.8))
model.add(Dense(1024))
model.add(LeakyReLU(alpha=0.2))
model.add(BatchNormalization(momentum=0.8))
model.add(Dense(np.prod(self.img_shape), activation='tanh'))
model.add(Reshape(self.img_shape))
model.summary()
noise = Input(shape=(self.latent_dim,))
label = Input(shape=(1,), dtype='int32')
label_embedding = Flatten()(Embedding(self.num_classes, self.latent_dim)(label))
model_input = multiply([noise, label_embedding])
img = model(model_input)
return Model([noise, label], img)
4. 构建判别器
def build_discriminator(self):
model = Sequential()
model.add(Dense(512, input_dim=np.prod(self.img_shape)))
model.add(LeakyReLU(alpha=0.2))
model.add(Dense(512))
model.add(LeakyReLU(alpha=0.2))
model.add(Dropout(0.4))
model.add(Dense(512))
model.add(LeakyReLU(alpha=0.2))
model.add(Dropout(0.4))
model.add(Dense(1, activation='sigmoid'))
model.summary()
img = Input(shape=self.img_shape)
label = Input(shape=(1,), dtype='int32')
label_embedding = Flatten()(Embedding(self.num_classes, np.prod(self.img_shape))(label))
flat_img = Flatten()(img)
model_input = multiply([flat_img, label_embedding])
validity = model(model_input)
return Model([img, label], validity)
5. 训练
def train(self, epochs, batch_size=128, sample_interval=50):
(X_train, y_train), (_, _) = mnist.load_data()
X_train = (X_train.astype(np.float32) - 127.5) / 127.5
X_train = np.expand_dims(X_train, axis=3)
y_train = y_train.reshape(-1, 1)
# 对抗真实值
valid = np.ones((batch_size, 1))
fake = np.zeros((batch_size, 1))
for epoch in range(epochs):
# 训练判别器
idx = np.random.randint(0, X_train.shape[0], batch_size)
imgs, labels = X_train[idx], y_train[idx]
noise = np.random.normal(0, 1, (batch_size, 100))
gen_imags = self.generator.predict([noise, labels])
d_loss_real = self.discriminator.train_on_batch([imgs, labels], valid)
d_loss_fake = self.discriminator.train_on_batch([gen_imags, labels], fake)
d_loss = 0.5 * np.add(d_loss_real, d_loss_fake)
# 训练生成器
# 标签条件
sampled_labels = np.random.randint(0, 10, batch_size).reshape(-1, 1)
g_loss = self.combined.train_on_batch([noise, sampled_labels], valid)
print("%d [D loss: %f, acc : %2f%%] [G loss: %f" % (epoch, d_loss[0], 100*d_loss[1], g_loss))
if epoch % sample_interval == 0:
self.sample_images(epoch)
6. 显示结果
def sample_images(self, epoch):
r, c = 2, 5
noise = np.random.normal(0, 1, (r * c, 100))
sampled_labels = np.arange(0, 10).reshape(-1, 1)
gen_imgs = self.generator.predict([noise, sampled_labels])
gen_imgs = 0.5 * gen_imgs + 0.5
fig, axs = plt.subplots(r, c)
cnt = 0
for i in range(r):
for j in range(c):
axs[i, j].imshow(gen_imgs[cnt, :, :, 0], cmap='gray')
axs[i, j].set_title("Digit: %d" % sampled_labels[cnt])
axs[i, j].axis('off')
cnt += 1
fig.savefig("images/%d.png" % epoch)
plt.close()
7. 运行代码
if __name__ == '__main__':
cgan = CGAN()
cgan.train(epochs=20000, batch_size=32, sample_interval=200)
结果: