深度有趣 | 08 DCGAN人脸图片生成

简介

在人脸数据上训练DCGAN，并生成一些人脸图片

数据

使用两个数据集

• LFW：http://vis-www.cs.umass.edu/lfw/，Labeled Faces in the Wild，超过1.3W张图片，其中1680人拥有超过两张或以上图片
• CelebA：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html，CelebFaces Attributes Dataset，包括10177人共计超过20W张图片，并且每张图片还包括人脸的5个关键点位置和40个属性的01标注，例如是否有眼镜、帽子、胡子等

实现

和上节课的代码差不多，根据彩色图片进行适当调整即可

加载库

# -*- coding: utf-8 -*-

import tensorflow as tf
import numpy as np
import urllib
import tarfile
import os
import matplotlib.pyplot as plt
%matplotlib inline
from imageio import imread, imsave, mimsave
from scipy.misc import imresize
import glob

下载LFW数据并解压处理，CelebA数据已经准备好

url = 'http://vis-www.cs.umass.edu/lfw/lfw.tgz'
filename = 'lfw.tgz'
directory = 'lfw_imgs'
new_dir = 'lfw_new_imgs'

if not os.path.isdir(new_dir):
    os.mkdir(new_dir)
    
    if not os.path.isdir(directory):
        if not os.path.isfile(filename):
            urllib.request.urlretrieve(url, filename)
        tar = tarfile.open(filename, 'r:gz')
        tar.extractall(path=directory)
        tar.close()
    
    count = 0
    for dir_, _, files in os.walk(directory):
        for file_ in files:
            img = imread(os.path.join(dir_, file_))
            imsave(os.path.join(new_dir, '%d.png' % count), img)
            count += 1

设定用于生成人脸的数据集

# dataset = 'lfw_new_imgs' # LFW
dataset = 'celeba' # CelebA
images = glob.glob(os.path.join(dataset, '*.*')) 
print(len(images))

定义一些常量、网络输入、辅助函数

batch_size = 100
z_dim = 100
WIDTH = 64
HEIGHT = 64

OUTPUT_DIR = 'samples_' + dataset
if not os.path.exists(OUTPUT_DIR):
    os.mkdir(OUTPUT_DIR)

X = tf.placeholder(dtype=tf.float32, shape=[None, HEIGHT, WIDTH, 3], name='X')
noise = tf.placeholder(dtype=tf.float32, shape=[None, z_dim], name='noise')
is_training = tf.placeholder(dtype=tf.bool, name='is_training')

def lrelu(x, leak=0.2):
    return tf.maximum(x, leak * x)

def sigmoid_cross_entropy_with_logits(x, y):
    return tf.nn.sigmoid_cross_entropy_with_logits(logits=x, labels=y)

判别器部分

def discriminator(image, reuse=None, is_training=is_training