【13】GAN网络_gan奖杯生成

作者：小小林熬夜学编程 | 2024-05-18 09:25:34

踩

gan奖杯生成

【1】GAN网络介绍

（0）应用

图像翻译图像补全数据增广

（1）原理简介

假设有两个网络，生成网络G（Generator）和判别网络D（Discriminator）。它们的功能分别是：· G负责生成图片，它接收一个随机的噪声z，通过该噪声生成图片，将生成的图片记为G(z)。· D负责判别一张图片是不是“真实的”。它的输入是x, x代表一张图片，输出D(x)表示x为真实图片的概率，如果为1，代表是真实图片的概率为100%，而输出为0，代表不可能是真实的图片。

对于这个损失函数，需要认识下面几点：· 整个式子由两项构成。x表示真实图片，z表示输入G网络的噪声，而G(z)表示G网络生成的图片。· D(x)表示D网络判断真实图片是否真实的概率（因为x是真实的，所以对于D来说，这个值越接近1越好）。而D(G(z))是D网络判断G生成的图片是否真实的概率。· G的目的：G应该希望自己生成的图片“越接近真实越好”。也是说，G希望D(G(z))尽可能得大，这时V(D, G)会变小。· D的目的：D的能力越强，D(x)应该越大，D(G(x))应该越小。因此D的目的和G不同，D应该希望V(D, G)越大越好。

（2）训练步骤

在实际训练中，使用梯度下降法，对D和G交替做优化即可，详细的步骤为：

第1步：从已知的噪声分布pz(z)中选出一些样本{z(1), z(2), ····, z(m)}。

第2步：从训练数据中选出同样个数的真实图片{x(1), x(2), ····, x(m)}。

第3步：设判别器D的参数为，求出损失关于参数的梯度[插图]，对θd更新时加上该梯度。

第4步：设生成器G的参数为θg，求出损失关于参数的梯度[插图]，对θg更新时减去该梯度。

【2】代码

model.py


# -*- coding: utf-8 -*-#
 
#-------------------------------------------------------------------------------
# Name:         GANmodel
# Description:  
# Author:       Administrator
# Date:         2020/12/9
'''
参考博客：https://blog.csdn.net/jizhidexiaoming/article/details/96485095
'''
#-------------------------------------------------------------------------------
# coding=utf-8
import torch.autograd
import torch.nn as nn
from torch.autograd import Variable
from torchvision import transforms
from torchvision import datasets
from torchvision.utils import save_image
import os
from CreateMyData import MyDataset
import numpy as np
 
# 创建文件夹
if not os.path.exists('./img'):
    os.mkdir('./img')
 
 
def to_img(x):
    out = 0.5 * (x + 1)
    out = out.clamp(0, 255)  # Clamp函数可以将随机变化的数值限制在一个给定的区间[min, max]内：
    out = out.view(-1,3, 256, 256)  # view()函数作用是将一个多行的Tensor,拼接成一行,256是图像的大小
    return out
 
#每次喂入数据的数量
batch_size =10
#训练的轮数
num_epoch = 100
#噪声的维度
z_dimension = 100
 
# 图像预处理
img_transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))  # (x-mean) / std
])
 
#加载数据集
train_txt_path='F:\\ClassNetWork\\GANnet\\catmydata\\list.txt'
train_data=MyDataset(txt_path=train_txt_path,transform=img_transform)
 
# data loader 数据载入
dataloader = torch.utils.data.DataLoader( dataset=train_data, batch_size=batch_size, shuffle=True)
 
 
# 定义判别器  #####Discriminator######使用多层网络来作为判别器
# 将图片256x256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.Linear(196608, 256),  # 输入特征数为256x256x3=196608，输出为256
            nn.LeakyReLU(0.2),  # 进行非线性映射
            nn.Linear(256, 256),  # 进行一个线性映射
            nn.LeakyReLU(0.2),
            nn.Linear(256, 1),
            nn.Sigmoid()  # 也是一个激活函数，二分类问题中，
            # sigmoid可以班实数映射到【0,1】，作为概率值，
            # 多分类用softmax函数
        )
    #创建对象的时候回自动调用前向传播函数
    def forward(self, x):
        x = self.dis(x)
        return x
 
 
# ###### 定义生成器 Generator #####
# 输入一个100维的0～1之间的高斯分布，然后通过第一层线性变换将其映射到256维,
# 然后通过LeakyReLU激活函数，接着进行一个线性变换，再经过一个LeakyReLU激活函数，
# 然后经过线性变换将其变成784维，最后经过Tanh激活函数是希望生成的假的图片数据分布
# 能够在-1～1之间。
class generator(nn.Module):
    def __init__(self):
        super(generator, self).__init__()
        self.gen = nn.Sequential(
            nn.Linear(100, 256),  # 用线性变换将输入映射到256维,100输入层维度，256输出层维度
            nn.ReLU(True),  # relu激活
            nn.Linear(256, 256),  # 线性变换
            nn.ReLU(True),  # relu激活
            nn.Linear(256, 196608),  # 线性变换,输出数据的维度为256*256*3=196608
            nn.Tanh()  # Tanh激活使得生成数据分布在【-1,1】之间，因为输入的真实数据的经过transforms之后也是这个分布
        )
    #创建对象的时候回自动调用前向传播函数
    def forward(self, x):
        x = self.gen(x)
        return x
 
 
# 创建对象
D = discriminator()
G = generator()
#如果cuda可以用，调用使用，后文删去了cuda（显卡）
if torch.cuda.is_available():
    D = D.cuda()
    G = G.cuda()
 
 
# 首先需要定义loss的度量方式  （二分类的交叉熵）
# 其次定义 优化函数,优化函数的学习率为0.0003
criterion = nn.BCELoss()  # 是单目标二分类交叉熵函数
d_optimizer = torch.optim.Adam(D.parameters(), lr=0.0003)
g_optimizer = torch.optim.Adam(G.parameters(), lr=0.0003)
 
# ##########################进入训练##判别器的判断过程#####################
for epoch in range(num_epoch):  # 进行多个epoch的训练
    for i, img in enumerate(dataloader,0):
        print(i)
        #print(type(img))
        img,label=img
        num_img=img
        #print(type(img))
        #print(img.shape)
        # view()函数作用是将一个多行的Tensor,拼接成一行
        # 第一个参数是要拼接的tensor,第二个参数是-1
        # =============================训练判别器==================
        img_nums=img.size(0)
        #print(img.size(0))
        img = img.view(batch_size, -1)  # 将图片展开为28*28=784
        #print(img.shape)
        real_img = Variable(img)  # 将tensor变成Variable放入计算图中
        real_label = Variable(torch.ones( img_nums))  # 定义真实的图片label为1
        fake_label = Variable(torch.zeros( img_nums))  # 定义假的图片的label为0
 
        # ########判别器训练train#####################
        #------训练判别器时需要计算真图片和假图片两种图片对应的损失值，然后相加一起计算。------
        # 分为两部分：1、真的图像判别为真；2、假的图像判别为假
        # 计算真实图片的损失
        real_out = D(real_img)  # 将真实图片放入判别器中
        real_label=real_label.reshape( img_nums,1)#将128变为[128,1],方便和real_out的维度相同
        fake_label =fake_label.reshape( img_nums,1)#将128变为[128,1],方便和fake_out的维度相同
        d_loss_real = criterion(real_out, real_label)  # 得到真实图片的loss
        real_scores = real_out  # 得到真实图片的判别值，输出的值越接近1越好
        # 计算假的图片的损失
        #从标准正态分布（均值为0，方差为1）中抽取的一组随机数
        z = Variable(torch.randn( img_nums, z_dimension))  # 随机生成一些噪声
        fake_img = G(z).detach()  # 随机噪声放入生成网络中，生成一张假的图片。 # 避免梯度传到G，因为G不用更新, detach分离
        #print(fake_img.shape)
        fake_out = D(fake_img)  # 判别器判断假的图片，
        d_loss_fake = criterion(fake_out, fake_label)  # 得到假的图片的loss
        fake_scores = fake_out  # 得到假图片的判别值，对于判别器来说，假图片的损失越接近0越好
        # 损失函数和优化
        d_loss = d_loss_real + d_loss_fake  # 损失包括判真损失和判假损失
        d_optimizer.zero_grad()  # 在反向传播之前，先将梯度归0
        d_loss.backward()  # 将误差反向传播
        d_optimizer.step()  # 更新参数
 
        # ==================训练生成器============================
        # ###############################生成网络的训练###############################
        #------训练生成器时候只需要考虑生成器对应的损失值，让生成器把假的图像当成真的
        # 原理：目的是希望生成的假的图片被判别器判断为真的图片，
        # 在此过程中，将判别器固定，将假的图片传入判别器的结果与真实的label对应，
        # 反向传播更新的参数是生成网络里面的参数，
        # 这样可以通过更新生成网络里面的参数，来训练网络，使得生成的图片让判别器以为是真的
        # 这样就达到了对抗的目的
        # 计算假的图片的损失
        z = Variable(torch.randn(batch_size, z_dimension))  # 得到随机噪声
        fake_img = G(z)  # 随机噪声输入到生成器中，得到一副假的图片
        output = D(fake_img)  # 经过判别器得到的结果
        g_loss = criterion(output, real_label)  # 得到的假的图片与真实的图片的label的loss
        # bp and optimize
        g_optimizer.zero_grad()  # 梯度归0
        g_loss.backward()  # 进行反向传播
        g_optimizer.step()  # .step()一般用在反向传播后面,用于更新生成网络的参数
 
        # 打印中间的损失
        if (i + 1) % 10 == 0:
            print('Epoch[{}/{}],d_loss:{:.6f},g_loss:{:.6f} '
                  'D real: {:.6f},D fake: {:.6f}'.format(
                epoch, num_epoch, d_loss.data.item(), g_loss.data.item(),
                real_scores.data.mean(), fake_scores.data.mean()  # 打印的是真实图片的损失均值
            ))
        if epoch == 0:
            real_images = to_img(real_img.cpu().data)
            #print(real_images.shape)
            save_image(real_images, './img/real_images.png')
    fake_images = to_img(fake_img.cpu().data)
    save_image(fake_images, './img/fake_images-{}.png'.format(epoch + 1))
 
# 保存模型
torch.save(G.state_dict(), './generator.pth')
torch.save(D.state_dict(), './discriminator.pth')

createdata.py


# -*- coding: utf-8 -*-#
 
#-------------------------------------------------------------------------------
# Name:         CreateMyData
# Description:  
# Author:       Administrator
# Date:         2020/12/9
#-------------------------------------------------------------------------------
# coding: utf-8
from PIL import Image
from torch.utils.data import Dataset
class MyDataset(Dataset):
    def __init__(self, txt_path, transform = None, target_transform = None):
        fh = open(txt_path, 'r')
        imgs = []
        for line in fh:
            line = line.rstrip()
            words = line.split()
            imgs.append((words[0], int(words[1])))
        self.imgs = imgs
        self.transform = transform
        self.target_transform = target_transform
    def __getitem__(self, index):
        fn, label = self.imgs[index]
        img = Image.open(fn).convert('RGB')
        if self.transform is not None:
            img = self.transform(img)
        #print(img)
        #print(label)
        return img, label
    def __len__(self):
        return len(self.imgs)

[3]自定义数据集

自定义数据集包含图像和TXT文档对目录的索引，TXT文档包含目录和标签。

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】