今天是参加昇思学习打卡营的第20天,学习内容是DCGAN生成漫画头像
DCGAN原理
DCGAN(深度卷积对抗生成网络,Deep Convolutional Generative Adversarial Networks)是GAN的直接扩展。不同之处在于,DCGAN会分别在判别器和生成器中使用卷积和转置卷积层。
它最早由Radford等人在论文Unsupervised Representation Learning With Deep Convolutional Generative Adversarial Networks中进行描述。判别器由分层的卷积层、BatchNorm层和LeakyReLU激活层组成。输入是3x64x64的图像,输出是该图像为真图像的概率。生成器则是由转置卷积层、BatchNorm层和ReLU激活层组成。输入是标准正态分布中提取出的隐向量𝑧𝑧,输出是3x64x64的RGB图像。
本教程将使用动漫头像数据集来训练一个生成式对抗网络,接着使用该网络生成动漫头像图片。
数据准备与处理
首先我们将数据集下载到指定目录下并解压。示例代码如下:
from download import download
url = "https://download.mindspore.cn/dataset/Faces/faces.zip"
path = download(url, "./faces", kind="zip", replace=True)
数据处理
首先为执行过程定义一些输入:
batch_size = 128 # 批量大小
image_size = 64 # 训练图像空间大小
nc = 3 # 图像彩色通道数
nz = 100 # 隐向量的长度
ngf = 64 # 特征图在生成器中的大小
ndf = 64 # 特征图在判别器中的大小
num_epochs = 3 # 训练周期数
lr = 0.0002 # 学习率
beta1 = 0.5 # Adam优化器的beta1超参数
定义create_dataset_imagenet
函数对数据进行处理和增强操作。
import numpy as np # 导入NumPy库,用于数学运算
import mindspore.dataset as ds # 导入MindSpore的数据集模块
import mindspore.dataset.vision as vision # 导入MindSpore的视觉处理模块
def create_dataset_imagenet(dataset_path):
"""
数据加载
dataset_path: 数据集的路径
"""
# 使用ImageFolderDataset加载数据集
# dataset_path: 数据集路径
# num_parallel_workers: 并行工作线程数
# shuffle: 是否打乱数据
# decode: 是否解码图像
dataset = ds.ImageFolderDataset(dataset_path,
num_parallel_workers=4,
shuffle=True,
decode=True)
# 数据增强操作
transforms = [
vision.Resize(image_size), # 调整图像大小
vision.CenterCrop(image_size), # 中心裁剪图像
vision.HWC2CHW(), # 将图像的数据格式从高度x宽度x通道(HWC)转换为通道x高度x宽度(CHW)
lambda x: ((x / 255).astype("float32")) # 归一化图像数据到[0, 1]区间,并转换为float32类型
]
# 数据映射操作
# 只保留'image'列
dataset = dataset.project('image')
# 应用数据增强操作
dataset = dataset.map(transforms, 'image')
# 批量操作
# batch_size: 每批的样本数
dataset = dataset.batch(batch_size)
return dataset
# 调用函数创建数据集,传入数据集路径
dataset = create_dataset_imagenet('./faces')
通过create_dict_iterator
函数将数据转换成字典迭代器,然后使用matplotlib
模块可视化部分训练数据。
import matplotlib.pyplot as plt # 导入matplotlib的pyplot模块,用于数据可视化
def plot_data(data):
"""
可视化部分训练数据
data: 包含图像数据的元组
"""
# 创建一个图形窗口,设置大小和分辨率
plt.figure(figsize=(10, 3), dpi=140)
# 遍历数据集中的前30张图像
for i, image in enumerate(data[0][:30], 1):
# 创建子图,3行10列的布局,索引i
plt.subplot(3, 10, i)
# 关闭子图的坐标轴显示
plt.axis("off")
# 显示图像,需要将图像从CHW格式转换为HWC格式
plt.imshow(image.transpose(1, 2, 0))
# 显示所有子图
plt.show()
# 使用create_tuple_iterator创建一个迭代器,并获取第一个样本数据
sample_data = next(dataset.create_tuple_iterator(output_numpy=True))
# 调用plot_data函数显示样本数据中的图像
plot_data(sample_data)
构造网络
当处理完数据后,就可以来进行网络的搭建了。按照DCGAN论文中的描述,所有模型权重均应从mean
为0,sigma
为0.02的正态分布中随机初始化。
生成器
生成器G
的功能是将隐向量z
映射到数据空间。由于数据是图像,这一过程也会创建与真实图像大小相同的 RGB 图像。在实践场景中,该功能是通过一系列Conv2dTranspose
转置卷积层来完成的,每个层都与BatchNorm2d
层和ReLu
激活层配对,输出数据会经过tanh
函数,使其返回[-1,1]
的数据范围内。
DCGAN论文生成图像如下所示:
图片来源:Unsupervised Representation Learning With Deep Convolutional Generative Adversarial Networks.
我们通过输入部分中设置的nz
、ngf
和nc
来影响代码中的生成器结构。nz
是隐向量z
的长度,ngf
与通过生成器传播的特征图的大小有关,nc
是输出图像中的通道数。
以下是生成器的代码实现:
import mindspore as ms
from mindspore import nn, ops
from mindspore.common.initializer import Normal
# 初始化权重的函数,使用正态分布
weight_init = Normal(mean=0, sigma=0.02)
# 初始化BatchNorm2d中gamma参数的函数,也使用正态分布
gamma_init = Normal(mean=1, sigma=0.02)
class Generator(nn.Cell):
"""DCGAN网络生成器"""
def __init__(self):
super(Generator, self).__init__()
# 初始化生成器网络
self.generator = nn.SequentialCell(
# 第一个转置卷积层,将噪声向量从nz维扩展到ngf*8维
nn.Conv2dTranspose(nz, ngf * 8, 4, 1, 'valid', weight_init=weight_init),
# 第一个批量归一化层
nn.BatchNorm2d(ngf * 8, gamma_init=gamma_init),
nn.ReLU(),
# 第二个转置卷积层,将特征图从ngf*8维扩展到ngf*4维
nn.Conv2dTranspose(ngf * 8, ngf * 4, 4, 2, 'pad', 1, weight_init=weight_init),
# 第二个批量归一化层
nn.BatchNorm2d(ngf * 4, gamma_init=gamma_init),
nn.ReLU(),
# 第三个转置卷积层,将特征图从ngf*4维扩展到ngf*2维
nn.Conv2dTranspose(ngf * 4, ngf * 2, 4, 2, 'pad', 1, weight_init=weight_init),
# 第三个批量归一化层
nn.BatchNorm2d(ngf * 2, gamma_init=gamma_init),
nn.ReLU(),
# 第四个转置卷积层,将特征图从ngf维扩展到nc维
nn.Conv2dTranspose(ngf * 2, ngf, 4, 2, 'pad', 1, weight_init=weight_init),
# 第四个批量归一化层
nn.BatchNorm2d(ngf, gamma_init=gamma_init),
nn.ReLU(),
# 最后一个转置卷积层,将特征图从ngf维扩展到nc维,生成最终的图像
nn.Conv2dTranspose(ngf, nc, 4, 2, 'pad', 1, weight_init=weight_init),
# 使用Tanh激活函数将输出值映射到[-1, 1]区间
nn.Tanh()
)
def construct(self, x):
# 定义生成器的前向传播过程
return self.generator(x)
# 创建生成器实例
generator = Generator()
判别器
如前所述,判别器D
是一个二分类网络模型,输出判定该图像为真实图的概率。通过一系列的Conv2d
、BatchNorm2d
和LeakyReLU
层对其进行处理,最后通过Sigmoid
激活函数得到最终概率。
DCGAN论文提到,使用卷积而不是通过池化来进行下采样是一个好方法,因为它可以让网络学习自己的池化特征。
判别器的代码实现如下:
import mindspore as ms
from mindspore import nn
from mindspore.common.initializer import Normal
# 初始化权重的函数,使用正态分布
weight_init = Normal(mean=0, sigma=0.02)
# 初始化BatchNorm2d中gamma参数的函数,也使用正态分布
gamma_init = Normal(mean=1, sigma=0.02)
class Discriminator(nn.Cell):
"""DCGAN网络判别器"""
def __init__(self):
super(Discriminator, self).__init__()
# 初始化判别器网络
self.discriminator = nn.SequentialCell(
# 第一个卷积层,将输入图像的通道数从nc降采样到ndf
nn.Conv2d(nc, ndf, 4, 2, 'pad', 1, weight_init=weight_init),
nn.LeakyReLU(0.2), # 使用LeakyReLU激活函数
# 第二个卷积层,将特征图的通道数从ndf*2降采样到ndf*4
nn.Conv2d(ndf, ndf * 2, 4, 2, 'pad', 1, weight_init=weight_init),
nn.BatchNorm2d(ndf * 2, gamma_init=gamma_init), # 第二个批量归一化层
nn.LeakyReLU(0.2),
# 第三个卷积层,将特征图的通道数从ndf*4降采样到ndf*8
nn.Conv2d(ndf * 2, ndf * 4, 4, 2, 'pad', 1, weight_init=weight_init),
nn.BatchNorm2d(ndf * 4, gamma_init=gamma_init), # 第三个批量归一化层
nn.LeakyReLU(0.2),
# 第四个卷积层,将特征图的通道数从ndf*8降采样到1
nn.Conv2d(ndf * 4, ndf * 8, 4, 2, 'pad', 1, weight_init=weight_init),
nn.BatchNorm2d(ndf * 8, gamma_init=gamma_init), # 第四个批量归一化层
nn.LeakyReLU(0.2),
# 最后一个卷积层,将特征图的通道数从ndf*8降采样到1,输出判别结果
nn.Conv2d(ndf * 8, 1, 4, 1, 'valid', weight_init=weight_init),
)
# 使用Sigmoid激活函数将输出值映射到[0, 1]区间,表示图像是真实的还是伪造的概率
self.adv_layer = nn.Sigmoid()
def construct(self, x):
# 定义判别器的前向传播过程
out = self.discriminator(x)
# 将输出特征图重塑为一维向量
out = out.reshape(out.shape[0], -1)
return self.adv_layer(out)
# 创建判别器实例
discriminator = Discriminator()
模型训练
损失函数
当定义了D
和G
后,接下来将使用MindSpore中定义的二进制交叉熵损失函数BCELoss。
[8]:
# 定义损失函数
adversarial_loss = nn.BCELoss(reduction='mean')
优化器
这里设置了两个单独的优化器,一个用于D
,另一个用于G
。这两个都是lr = 0.0002
和beta1 = 0.5
的Adam优化器。
[9]:
# 为生成器和判别器设置优化器
optimizer_D = nn.Adam(discriminator.trainable_params(), learning_rate=lr, beta1=beta1)
optimizer_G = nn.Adam(generator.trainable_params(), learning_rate=lr, beta1=beta1)
optimizer_G.update_parameters_name('optim_g.')
optimizer_D.update_parameters_name('optim_d.')
训练模型
训练分为两个主要部分:训练判别器和训练生成器。
-
训练判别器
训练判别器的目的是最大程度地提高判别图像真伪的概率。按照Goodfellow的方法,是希望通过提高其随机梯度来更新判别器,所以我们要最大化𝑙𝑜𝑔𝐷(𝑥)+𝑙𝑜𝑔(1−𝐷(𝐺(𝑧))𝑙𝑜𝑔𝐷(𝑥)+𝑙𝑜𝑔(1−𝐷(𝐺(𝑧))的值。
-
训练生成器
如DCGAN论文所述,我们希望通过最小化𝑙𝑜𝑔(1−𝐷(𝐺(𝑧)))𝑙𝑜𝑔(1−𝐷(𝐺(𝑧)))来训练生成器,以产生更好的虚假图像。
在这两个部分中,分别获取训练过程中的损失,并在每个周期结束时进行统计,将fixed_noise
批量推送到生成器中,以直观地跟踪G
的训练进度。
下面实现模型训练正向逻辑:
import mindspore as ms
from mindspore import nn, ops
# 定义噪声向量的维度
nz = 100
# 初始化权重的函数,使用正态分布
weight_init = Normal(mean=0, sigma=0.02)
# 初始化BatchNorm2d中gamma参数的函数,也使用正态分布
gamma_init = Normal(mean=1, sigma=0.02)
# 假设generator和discriminator已经被定义和初始化
generator = Generator()
discriminator = Discriminator()
# 假设optimizer_G和optimizer_D是生成器和判别器的优化器
optimizer_G = nn.Adam(generator.trainable_params(), learning_rate=1e-4)
optimizer_D = nn.Adam(discriminator.trainable_params(), learning_rate=1e-4)
def generator_forward(real_imgs, valid):
"""
生成器的前向传播过程
real_imgs: 真实图像
valid: 真实标签
"""
# 将噪声采样为生成器的输入
z = ops.standard_normal((real_imgs.shape[0], nz, 1, 1))
# 生成一批图像
gen_imgs = generator(z)
# 损失衡量生成器绕过判别器的能力
g_loss = adversarial_loss(discriminator(gen_imgs), valid)
return g_loss, gen_imgs
def discriminator_forward(real_imgs, gen_imgs, valid, fake):
"""
判别器的前向传播过程
real_imgs: 真实图像
gen_imgs: 生成图像
valid: 真实标签
fake: 伪造标签
"""
# 衡量判别器从生成的样本中对真实样本进行分类的能力
real_loss = adversarial_loss(discriminator(real_imgs), valid)
fake_loss = adversarial_loss(discriminator(gen_imgs), fake)
d_loss = (real_loss + fake_loss) / 2
return d_loss
# 定义生成器和判别器的梯度计算函数
grad_generator_fn = ms.value_and_grad(generator_forward, None,
optimizer_G.parameters,
has_aux=True)
grad_discriminator_fn = ms.value_and_grad(discriminator_forward, None,
optimizer_D.parameters)
@ms.jit
def train_step(imgs):
"""
训练过程中的单步更新
imgs: 真实图像数据
"""
valid = ops.ones((imgs.shape[0], 1), mindspore.float32) # 真实标签
fake = ops.zeros((imgs.shape[0], 1), mindspore.float32) # 伪造标签
(g_loss, gen_imgs), g_grads = grad_generator_fn(imgs, valid) # 计算生成器的梯度
optimizer_G(g_grads) # 更新生成器的参数
d_loss = discriminator_forward(imgs, gen_imgs, valid, fake) # 计算判别器的损失
d_grads = grad_discriminator_fn(imgs, gen_imgs, valid, fake) # 计算判别器的梯度
optimizer_D(d_grads) # 更新判别器的参数
return g_loss, d_loss, gen_imgs
循环训练网络,每经过50次迭代,就收集生成器和判别器的损失,以便于后面绘制训练过程中损失函数的图像。
import mindspore as ms
from mindspore import nn, ops
# 假设generator和discriminator已经被定义和初始化
generator = Generator()
discriminator = Discriminator()
# 假设optimizer_G和optimizer_D是生成器和判别器的优化器
optimizer_G = nn.Adam(generator.trainable_params(), learning_rate=1e-4)
optimizer_D = nn.Adam(discriminator.trainable_params(), learning_rate=1e-4)
# 定义训练过程中的损失记录列表
G_losses = []
D_losses = []
image_list = []
# 获取数据集的总样本数
total = dataset.get_dataset_size()
# 训练的总周期数
num_epochs = 50 # 假设值,需要在代码中定义
# 定义批量大小
batch_size = 64 # 假设值,需要在代码中定义
# 定义噪声向量的维度
nz = 100 # 假设值,需要在代码中定义
for epoch in range(num_epochs):
# 设置生成器和判别器为训练模式
generator.set_train()
discriminator.set_train()
# 为每轮训练读入数据
for i, (imgs, ) in enumerate(dataset.create_tuple_iterator()):
# 训练步骤,计算生成器和判别器的损失,并生成图像
g_loss, d_loss, gen_imgs = train_step(imgs)
# 每隔100步或最后一步输出训练记录
if i % 100 == 0 or i == total - 1:
print('[%2d/%d][%3d/%d] Loss_D:%7.4f Loss_G:%7.4f' % (
epoch + 1, num_epochs, i + 1, total, d_loss.asnumpy(), g_loss.asnumpy()))
# 记录损失
D_losses.append(d_loss.asnumpy())
G_losses.append(g_loss.asnumpy())
# 每个epoch结束后,使用生成器生成一组图片
generator.set_train(False) # 设置生成器为评估模式
fixed_noise = ops.standard_normal((batch_size, nz, 1, 1)) # 生成固定噪声
img = generator(fixed_noise) # 生成图像
image_list.append(img.transpose(0, 2, 3, 1).asnumpy()) # 将图像添加到列表中
# 保存生成器和判别器的网络模型参数为ckpt文件
ms.save_checkpoint(generator, "./generator.ckpt")
ms.save_checkpoint(discriminator, "./discriminator.ckpt")
结果展示
运行下面代码,描绘D
和G
损失与训练迭代的关系图:
plt.figure(figsize=(10, 5))
plt.title("Generator and Discriminator Loss During Training")
plt.plot(G_losses, label="G", color='blue')
plt.plot(D_losses, label="D", color='orange')
plt.xlabel("iterations")
plt.ylabel("Loss")
plt.legend()
plt.show()
可视化训练过程中通过隐向量fixed_noise
生成的图像。
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
def showGif(image_list):
"""
将图像列表制作成GIF动画
image_list: 生成的图像列表
"""
show_list = []
fig = plt.figure(figsize=(8, 3), dpi=120) # 创建图形窗口
# 遍历每个epoch生成的图像
for epoch in range(len(image_list)):
images = []
# 将每个epoch生成的8张图像拼接成一行
for i in range(3):
row = np.concatenate((image_list[epoch][i * 8:(i + 1) * 8]), axis=1)
images.append(row)
# 将三行图像拼接成一幅图像
img = np.clip(np.concatenate((images[:]), axis=0), 0, 1)
plt.axis("off") # 关闭坐标轴
show_list.append([plt.imshow(img)]) # 将图像添加到显示列表中
# 创建动画
ani = animation.ArtistAnimation(fig, show_list, interval=1000, repeat_delay=1000, blit=True)
# 保存动画为GIF文件
ani.save('./dcgan.gif', writer='pillow', fps=1)
# 调用函数生成GIF动画
showGif(image_list)
import mindspore as ms
from mindspore import nn, ops
import numpy as np
import matplotlib.pyplot as plt
# 假设generator已经被定义和初始化
generator = Generator()
# 定义批量大小和噪声向量的维度
batch_size = 64 # 假设值,需要在代码中定义
nz = 100 # 假设值,需要在代码中定义
# 从文件中获取模型参数并加载到生成器网络中
ms.load_checkpoint("./generator.ckpt", generator)
# 生成固定噪声
fixed_noise = ops.standard_normal((batch_size, nz, 1, 1))
# 使用生成器生成图像
img64 = generator(fixed_noise).transpose(0, 2, 3, 1).asnumpy()
# 创建图形窗口
fig = plt.figure(figsize=(8, 3), dpi=120)
images = []
# 将生成的图像拼接成三行,每行显示8张图像
for i in range(3):
images.append(np.concatenate((img64[i * 8:(i + 1) * 8]), axis=1))
# 将三行图像拼接成一幅图像
img = np.clip(np.concatenate((images[:]), axis=0), 0, 1)
# 关闭坐标轴
plt.axis("off")
# 显示图像
plt.imshow(img)
plt.show()
学习心得:
-
通过实践,我深入理解了DCGAN的工作原理,包括生成器和判别器的对抗过程,以及它们如何共同提升生成图像的质量。
-
学习了如何在MindSpore框架下构建和训练深度学习模型,体验了其简洁的API和高效的执行性能。
-
认识到了数据预处理在模型训练中的关键作用,如图像的归一化、裁剪和尺寸调整等,这些步骤直接影响模型的收敛速度和最终性能。
-
学习了如何选择和配置损失函数以及优化器,这对于训练稳定和模型性能至关重要。
-
理解了生成器和判别器的网络架构设计,包括卷积层、批量归一化层和激活函数的选择,这些都是影响模型性能的关键因素。
-
随着深度学习领域的快速发展,我意识到了持续学习新模型、新方法和新技术的重要性,这对于保持专业竞争力至关重要。
加油!!!