G8-ACGAN理论

 本文为🔗365天深度学习训练营 中的学习记录博客
 原作者：K同学啊|接辅导、项目定制

我的环境：

1.语言：python3.7

2.编译器：pycharm

3.深度学习框架Pytorch 1.8.0+cu111

---

 一、对比分析

前面的文章介绍了CGAN（条件生成对抗网络），本文的ACGAN，是在CGAN与SGAN基础上的扩展，通过对判别器进行改进实现了图像分类的功能。

原始GAN网络的功能比较简单：输入噪声数据，输出伪造图片。而后CGAN发现可以通过给GAN的生成器添加辅助信息（比如类别标签），来实现生成图片类别的精确控制。。

  SGAN鉴别器与原始GAN实现有很大不同。它接收3种输入：生成器生成的伪样本X*、训练数据集中无标签的真实样本X和有标签的真实样本X,y。 

  ACGAN是在CGAN基础上更近一步的改进，将判别器的功能扩展为判别真假以及类别区分，可以认为ACGAN的判别器多出一个分类的功能 。

 ACGAN的损失函数也分为了判别损失和分类损失两个部分，其中判别损失和CGAN并没有区别，形式如下：

比较新的损失函数如下：

上面的分类损失就是ACGAN的核心贡献了，对于真实图片Xreal和生成器伪造的图片Xfake，判别器（或者说判别器中的分类器）应该能够预测它所属的类别。 

二、网络结构方面（原文链接：https://blog.csdn.net/qq_35692819/article/details/106684339）

相同的是ACGAN和CGAN在生成器输入时候，噪音z都拼接了采集的labels。
不同的是，ACGAN在判别器输入时，真假数据集都没有拼接labels，labels只是用来在辅助分类器中作为target_labels。而CGAN的判别器输入，真假数据集都拼接了labels。
网络结构上，生成网络和鉴别网络的网络层不再是CGAN的全连接，而是ACGAN的深层卷积网络（这是在DCGAN开始引入的改变），卷积能够更好的提取图片的特征值，所有ACGAN生成的图片边缘更具有连续性，感觉更真实。

代码部分：
 

import argparse
import os
import numpy as np

import torchvision.transforms as transforms
from torchvision.utils import save_image

from torch.utils.data import DataLoader
from torchvision import datasets
from torch.autograd import Variable

import torch.nn as nn
import torch

# 创建用于存储生成图像的目录
os.makedirs("images", exist_ok=True)

# 解析命令行参数
parser = argparse.ArgumentParser()
parser.add_argument("--n_epochs", type=int, default=200, help="训练的总轮数")
parser.add_argument("--batch_size", type=int, default=64, help="每个批次的大小")
parser.add_argument("--lr", type=float, default=0.0002, help="Adam优化器的学习率")
parser.add_argument("--b1", type=float, default=0.5, help="Adam优化器的一阶动量衰减")
parser.add_argument("--b2", type=float, default=0.999, help="Adam优化器的二阶动量衰减")
parser.add_argument("--n_cpu", type=int, default=8, help="用于批次生成的CPU线程数")
parser.add_argument("--latent_dim", type=int, default=100, help="潜在空间的维度")
parser.add_argument("--n_classes", type=int, default=10, help="数据集的类别数")
parser.add_argument("--img_size", type=int, default=32, help="每个图像的尺寸")
parser.add_argument("--channels", type=int, default=1, help="图像通道数")
parser.add_argument("--sample_interval", type=int, default=400, help="图像采样间隔")
opt = parser.parse_args()
print(opt)

# 检查是否支持GPU加速
cuda = True if torch.cuda.is_available() else False

# 初始化神经网络权重的函数
def weights_init_normal(m):
    classname = m.__class__.__name__
    if classname.find("Conv") != -1:
        torch.nn.init.normal_(m.weight.data, 0.0, 0.02)
    elif classname.find("BatchNorm2d") != -1:
        torch.nn.init.normal_(m.weight.data, 1.0, 0.02)
        torch.nn.init.constant_(m.bias.data, 0.0)

# 生成器网络类
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()

        # 为类别标签创建嵌入层
        self.label_emb = nn.Embedding(opt.n_classes, opt.latent_dim)

        # 计算上采样前的初始大小
        self.init_size = opt.img_size // 4  # Initial size before upsampling

        # 第一层线性层
        self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2))

        # 卷积层块
        self.conv_blocks = nn.Sequential(
            nn.BatchNorm2d(128),
            nn.Upsample(scale_factor=2),
            nn.Conv2d(128, 128, 3, stride=1, padding=1),
            nn.BatchNorm2d(128, 0.8),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Upsample(scale_factor=2),
            nn.Conv2d(128, 64, 3, stride=1, padding=1),
            nn.BatchNorm2d(64, 0.8),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(64, opt.channels, 3, stride=1, padding=1),
            nn.Tanh(),
        )

    def forward(self, noise, labels):
        # 将标签嵌入到噪声中
        gen_input = torch.mul(self.label_emb(labels), noise)

        # 通过第一层线性层
        out = self.l1(gen_input)

        # 重新整形为合适的形状
        out = out.view(out.shape[0], 128, self.init_size, self.init_size)

        # 通过卷积层块生成图像
        img = self.conv_blocks(out)
        return img

# 判别器网络类
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()

        # 定义判别器块的函数
        def discriminator_block(in_filters, out_filters, bn=True):
            """返回每个判别器块的层"""
            block = [nn.Conv2d(in_filters, out_filters, 3, 2, 1), nn.LeakyReLU(0.2, inplace=True), nn.Dropout2d(0.25)]
            if bn:
                block.append(nn.BatchNorm2d(out_filters, 0.8))
            return block

        # 判别器的卷积层块
        self.conv_blocks = nn.Sequential(
            *discriminator_block(opt.channels, 16, bn=False),
            *discriminator_block(16, 32),
            *discriminator_block(32, 64),
            *discriminator_block(64, 128),
        )

        # 下采样后图像的高度和宽度
        ds_size = opt.img_size // 2 ** 4

        # 输出层
        self.adv_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, 1), nn.Sigmoid())
        self.aux_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, opt.n_classes), nn.Softmax())

    def forward(self, img):
        out = self.conv_blocks(img)
        out = out.view(out.shape[0], -1)
        validity = self.adv_layer(out)
        label = self.aux_layer(out)

        return validity, label

# 损失函数
adversarial_loss = torch.nn.BCELoss()
auxiliary_loss = torch.nn.CrossEntropyLoss()

# 初始化生成器和判别器
generator = Generator()
discriminator = Discriminator()

if cuda:
    generator.cuda()
    discriminator.cuda()
    adversarial_loss.cuda()
    auxiliary_loss.cuda()

# 初始化权重
generator.apply(weights_init_normal)
discriminator.apply(weights_init_normal)

# 配置数据加载器
os.makedirs("../../data/mnist", exist_ok=True)
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,
)

# 优化器
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))

FloatTensor = torch.cuda.FloatTensor if cuda else torch.FloatTensor
LongTensor = torch.cuda.LongTensor if cuda else torch.LongTensor

# 保存生成图像的函数
def sample_image(n_row, batches_done):
    """保存从0到n_classes的生成数字的图像网格"""
    # 采样噪声
    z = Variable(FloatTensor(np.random.normal(0, 1, (n_row ** 2, opt.latent_dim))))
    # 为n行生成标签从0到n_classes
    labels = np.array([num for _ in range(n_row) for num in range(n_row)])
    labels = Variable(LongTensor(labels))
    gen_imgs = generator(z, labels)
    save_image(gen_imgs.data, "images/%d.png" % batches_done, nrow=n_row, normalize=True)

# ----------
# 训练
# ----------

for epoch in range(opt.n_epochs):
    for i, (imgs, labels) in enumerate(dataloader):

        batch_size = imgs.shape[0]

        # 真实数据的标签
        valid = Variable(FloatTensor(batch_size, 1).fill_(1.0), requires_grad=False)
        # 生成数据的标签
        fake = Variable(FloatTensor(batch_size, 1).fill_(0.0), requires_grad=False)

        # 配置输入
        real_imgs = Variable(imgs.type(FloatTensor))
        labels = Variable(labels.type(LongTensor))

        # -----------------
        # 训练生成器
        # -----------------

        optimizer_G.zero_grad()

        # 采样噪声和标签作为生成器的输入
        z = Variable(FloatTensor(np.random.normal(0, 1, (batch_size, opt.latent_dim))))
        gen_labels = Variable(LongTensor(np.random.randint(0, opt.n_classes, batch_size)))

        # 生成一批图像
        gen_imgs = generator(z, gen_labels)

        # 损失度量生成器的欺骗判别器的能力
        validity, pred_label = discriminator(gen_imgs)
        g_loss = 0.5 * (adversarial_loss(validity, valid) + auxiliary_loss(pred_label, gen_labels))

        g_loss.backward()
        optimizer_G.step()

        # ---------------------
        # 训练判别器
        # ---------------------

        optimizer_D.zero_grad()

        # 真实图像的损失
        real_pred, real_aux = discriminator(real_imgs)
        d_real_loss = (adversarial_loss(real_pred, valid) + auxiliary_loss(real_aux, labels)) / 2

        # 生成图像的损失
        fake_pred, fake_aux = discriminator(gen_imgs.detach())
        d_fake_loss = (adversarial_loss(fake_pred, fake) + auxiliary_loss(fake_aux, gen_labels)) / 2

        # 判别器的总损失
        d_loss = (d_real_loss + d_fake_loss) / 2

        # 计算判别器的准确率
        pred = np.concatenate([real_aux.data.cpu().numpy(), fake_aux.data.cpu().numpy()], axis=0)
        gt = np.concatenate([labels.data.cpu().numpy(), gen_labels.data.cpu().numpy()], axis=0)
        d_acc = np.mean(np.argmax(pred, axis=1) == gt)

        d_loss.backward()
        optimizer_D.step()

        print(
            "[Epoch %d/%d] [Batch %d/%d] [D loss: %f, acc: %d%%] [G loss: %f]"
            % (epoch, opt.n_epochs, i, len(dataloader), d_loss.item(), 100 * d_acc, g_loss.item())
        )
        batches_done = epoch * len(dataloader) + i
        if batches_done % opt.sample_interval == 0:
            sample_image(n_row=10, batches_done=batches_done)

判别器

1. def discriminator_block(in_filters, out_filters, bn=True):: 这是一个内部函数，用于定义判别器的卷积块。它接受输入的通道数 in_filters 和输出的通道数 out_filters，并返回一个卷积块的列表。

2. self.conv_blocks = nn.Sequential(...)：定义了判别器的卷积层块，它使用了 nn.Sequential 来组合多个卷积块。通过调用 discriminator_block 函数定义了四个卷积块，每个卷积块由一个卷积层、一个 LeakyReLU 激活函数和一个 Dropout2d 层组成。

3. ds_size = opt.img_size // 2 ** 4：计算下采样后图像的高度和宽度。在这段代码中，每个卷积块都将输入图像的尺寸减半，共执行了 4 次这样的操作。

4. self.adv_layer = nn.Sequential(...)：定义了判别器的输出层。adv_layer 是用于判断图像真假的部分，它是一个全连接层，将卷积层块输出的特征展平后输入到一个 Sigmoid 激活函数中，以输出一个范围在 0 到 1 之间的值，表示图像的真实度。

5. self.aux_layer = nn.Sequential(...)：定义了判别器的辅助输出层。aux_layer 是用于对图像进行分类的部分，它也是一个全连接层，将卷积层块输出的特征展平后输入到一个 Softmax 激活函数中，以输出类别概率分布，其中 opt.n_classes 是类别的数量。

6. def forward(self, img):：定义了前向传播函数。接收一个输入图像 img，将其输入到卷积层块中进行特征提取，然后将特征展平后分别输入到判别器的输出层 adv_layer 和 aux_layer 中，得到判别器的输出：真假判别结果 validity 和图像类别预测结果 label。

生成器 

1. self.label_emb = nn.Embedding(opt.n_classes, opt.latent_dim): 创建了一个嵌入层 label_emb，用于将类别标签转换为一个与噪声相同维度的向量。这里假设 opt.n_classes 是类别的数量，opt.latent_dim 是噪声的维度。

2. self.init_size = opt.img_size // 4: 计算了上采样前的初始大小。在这段代码中，初始大小是图像大小的 1/4。

3. self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2)): 定义了一个线性层 l1，将噪声输入映射到一个特定大小的张量，以供后续卷积层块使用。

4. self.conv_blocks = nn.Sequential(...)：定义了生成器的卷积层块。通过 nn.Sequential 组合了多个层，包括批归一化层、上采样层、卷积层、LeakyReLU 激活函数和 Tanh 激活函数。这些层组合在一起，用于从输入的特征张量生成图像。

5. def forward(self, noise, labels):: 定义了前向传播函数。接收噪声 noise 和类别标签 labels 作为输入，并经过一系列操作生成图像。首先，通过将标签嵌入到噪声中，将标签信息融合到生成的噪声中。然后，将融合后的输入通过线性层 l1，将其映射到适当的大小。接着，将线性层输出重塑为合适的形状，以适应后续的卷积层块。最后，通过卷积层块生成图像，并将生成的图像作为输出返回。