GAN网络（实验）

最新推荐文章于 2024-05-06 15:35:13 发布

qq_39862223

最新推荐文章于 2024-05-06 15:35:13 发布

阅读量1.3k

点赞数 1

分类专栏： GAN 文章标签：神经网络

本文链接：https://blog.csdn.net/qq_39862223/article/details/114283108

版权

这篇博客介绍了基于PyTorch的GAN网络实验，包括如何下载源文件、安装插件、调试代码以及运行结果。作者以手写数字识别为例，详细说明了判别器和生成器的定义、训练过程，并展示了生成图片的进化。

摘要由CSDN通过智能技术生成

GAN网络（理论）：https://blog.csdn.net/qq_39862223/article/details/114262928
GAN网络（实验）：https://blog.csdn.net/qq_39862223/article/details/114283108

1 GAN网络实验

github上有大量的GAN网络及其变体实验，大多是基于TensorFlow和Keras的，大部分都是对版本有很高的限制，所以我找到了GAN网络的pytorch版本实验：PyTorch-GAN
基于Pytorch版本的GAN网络部署起来更加简洁、快捷。以下是使用方法：

1.1 下载源文件

git clone https://github.com/eriklindernoren/PyTorch-GAN

在这里插入图片描述
在源文件/implementations中，可以看到GAN网络及其绝大部分变体的实现代码，包括CGAN、ACGAN、DCGAN等

如果你需要对某一个网络进行试验、复现时，按照之后的步骤进行实现即可。

1.2 安装必要的插件

在跑通代码之前，一些必要的插件需要被安装

torch>=0.4.0
torchvision
matplotlib
numpy
scipy
pillow
urllib3
scikit-image
可以直接使用命令进行安装

pip3 install -r requirements.txt

结果如下所示：
在这里插入图片描述
安装成功！

1.3 调试代码

这里我仅对最基础的GAN网络进行调试运行，其他变体方法类似。
在这里插入图片描述
将这一部分的default设置成适合你电脑的值，比如batch_size = 2等，否则电脑负荷过大，跑不动。
之后对GAN.py直接运行即可

python3 gan.py

在这里插入图片描述
运行过程可以看到判别器和生成器的loss变化

1.4 运行结果

运行结果会存储在你指定的文件夹中
在这里插入图片描述
上图所示，即为每一次生成器生成的手写数字

上图分别是第一次生成和第100次生成，可以看到生成器有很好的优化和改变。

2 GAN应用于手写数字识别

这一部分对代码进行讲解，我使用mnist手写数字来做数据集，通过生成对抗网络我们希望生成一些“以假乱真”的手写字体。为了加快训练过程，不使用卷积网络来做判别器，使用简单的多层网络来进行判别。

2.1 定义判别器和生成器

Discriminator Network

# 定义判别器 Discriminator使用多层网络来作为判别器
# 将图片28x28展开成784，然后通过多层感知器，中间经过斜率设置为0.2的LeakyReLU激活函数，
# 最后接sigmoid激活函数得到一个0到1之间的概率进行二分类。
class discriminator(nn.Module):
    def __init__(self):
        super(discriminator, self).__init__()
        self.dis = nn.Sequential(
            nn