生成对抗网络（二）CGAN

一、简介

        之前介绍了生成式对抗网络(GAN)，关于GAN的变种比较多，我打算将几种常见的GAN做一个总结，也算是激励自己学习，分享自己的一些看法和见解。

        之前提到的GAN是最基本的模型，我们的输入是随机噪声，输出的是对应的图像，但是我们没法控制生成图像的类型。比如，我要生成一张数字0的图片，但是GAN生成的图片却是数字0-9的图片，针对这个问题，Conditional Generative Adversarial Nets被提了出来，在原有GAN的基础上，添加了类别信息以便让模型生成特定的图片。这里的条件(conditional)，就是这个额外的类别信息。

二、原理

         由于在GAN的生成器和判别器中都加入了额外的类别信息，模型的目标优化函数也发生了变化。

         生成器的输入变为噪音变量和类别信息, 判别器的输入为图片数据和类别信息, 目标函数如下：

               

         就是在GAN的目标函数上添加了y这一类别变量，x变为了条件分布。

         模型的结构图如下，

         

        GAN的结构与这个类似，生成器部分和判别器部分是分开的两个子网络，单独进行训练。类别信息y是通过embedding层嵌入的。

        具体的实现可以看看代码：

        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)

          标签是通过嵌入层实现的，embedding层可以将类别标签转换为对应的向量表示，在此生成器中，类别有10个(0-9)，对应embedding中的input_dim, 输出维度和噪音数据是相同的，之后，再利用multiply层将两者逐项做乘积，这便是生成器的输入。

           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)

            判别器的输入和生成器是一样的，输出是对应的图片的类别。

            训练：

            训练采用的mnist数据集，训练时需要将图片数据和对应的标签输入模型。

            生成器和判决器作为一个整体进行训练的时候，判别器是不训练的，这时只训练生成器；当判决器作为一个单独的模型时，判决器会得到训练。二者的训练是交替进行的。

            具体的代码可以参考github

三、效果

       最后跑出来的效果还是很不错的，我在台式机上跑的，用的是1050ti的显卡，训练速度还比较快，一共20000轮，大概10分钟左右跑完。

       这是最后的训练效果：

       

       可以与前一篇博客里面的内容进行比较，与原始的GAN相比，效果要好一些，但是还是不是很清晰。一方面，mnist提供的图片像素较低，另一方面，我们采用的是全连接神经网络，对于图片的处理效果并不是很好。

       要生成更加清晰地图片，可以利用DCGAN，这也是我接下来要做的工作。