当前位置:   article > 正文

深度卷积生成对抗网络_头歌深度卷积生成对抗网络

头歌深度卷积生成对抗网络

深度卷积生成对抗网络

Deep Convolutional Generative Adversarial Networks

GANs如何工作的基本思想。可以从一些简单的,易于抽样的分布,如均匀分布或正态分布中提取样本,并将其转换成与某些数据集的分布相匹配的样本。虽然例子匹配一个二维高斯分布得到了交叉点,不是特别令人兴奋。

将演示如何使用GANs生成照片级真实感图像。将以深卷积GAN(DCGAN)为基础建立模型。将借用卷积体系结构,已经被证明在区分计算机视觉问题上是如此成功,并展示如何通过GANs来利用来生成真实感图像。

from mxnet
import gluon, init, np, npx

from mxnet.gluon
import nn

from d2l
import mxnet as d2l

npx.set_np()

  1. The Pokemon Dataset

将使用的数据集是从pokemondb获得的Pokemon精灵集合。首先下载、提取并加载此数据集。

#@save

d2l.DATA_HUB[‘pokemon’] = (d2l.DATA_URL

  • ‘pokemon.zip’,

‘c065c0e2593b8b161a2d7873e42418bf6a21106c’)

data_dir = d2l.download_extract(‘pokemon’)

pokemon = gluon.data.vision.datasets.ImageFolderDataset(data_dir)

Downloading …/data/pokemon.zip from

http://d2l-data.s3-accelerate.amazonaws.com/pokemon.zip…

将每个图像调整为64×64。ToTensor变换将像素值投影到[0,1],而生成器将使用tanh函数来获得[-1,1]。因此,用0.5平均值和0.5与值范围匹配的标准偏差。

batch_size = 256

transformer = gluon.data.vision.transforms.Compose([

gluon.data.vision.transforms.Resize(64),

gluon.data.vision.transforms.ToTensor(),

gluon.data.vision.transforms.Normalize(0.5, 0.5)])
  • 1
  • 2
  • 3
  • 4
  • 5

data_iter = gluon.data.DataLoader(

pokemon.transform_first(transformer), batch_size=batch_size,
  • 1

shuffle=True, num_workers=d2l.get_dataloader_workers())

让想象一下前20幅图像。

d2l.set_figsize((4, 4))

for X, y in data_iter:

imgs = X[0:20,:,:,:].transpose(0, 2, 3, 1)/2+0.5

d2l.show_images(imgs, num_rows=4, num_cols=5)

break
  • 1
  • 2
  • 3
  • 4
  • 5

在这里插入图片描述
2. The Generator

生成器Generator需要映射噪声变量z∈Rd,一个length-d图像的宽度和宽度64×64。使用转置卷积层来扩大输入大小的全卷积网络。生成器的基本块包含一个转置卷积层,然后是批处理规范化和ReLU激活。

class G_block(nn.Block):

def __init__(self, channels, kernel_size=4,

             strides=2, padding=1, **kwargs):

    super(G_block, self).__init__(**kwargs)

    self.conv2d_trans = nn.Conv2DTranspose(

        channels, kernel_size, strides, padding, use_bias=False)

    self.batch_norm = nn.BatchNorm()

    self.activation = nn.Activation('relu')

def forward(self, X):

    return self.activation(self.batch_norm(self.conv2d_trans(X)))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17

在这里插入图片描述
x = np.zeros((2, 3, 16, 16))

g_blk = G_block(20)

g_blk.initialize()

g_blk(x).shape

(2, 20, 32, 32)

如果将转置卷积层更改为4×4内核,1×1跨步和零填充。输入大小为1×1输出宽度和高度分别增加3。

x = np.zeros((2, 3, 1, 1))

g_blk = G_block(20, strides=1, padding=0)

g_blk.initialize()

g_blk(x).shape

(2, 20, 4, 4)

生成器由四个基本块组成,将输入的宽度和高度从1增加到32。同时,首先将潜在变量投影到64×8通道,然后每次将通道减半。最后,利用转置卷积层产生输出。进一步将宽度和高度加倍以匹配所需的64×64形状,并将通道大小减小到3。tanh激活函数用于将输出值投影到(-1,1)范围。

n_G = 64

net_G = nn.Sequential()

net_G.add(G_block(n_G8, strides=1, padding=0), # output: (648, 4, 4)

      G_block(n_G*4),  # output: (64*4, 8, 8)

      G_block(n_G*2),  # output: (64*2, 16, 16)

      G_block(n_G),   # output: (64,
  • 1
  • 2
  • 3
  • 4
  • 5

32, 32)

      nn.Conv2DTranspose(

          3, kernel_size=4, strides=2, padding=1, use_bias=False,

          activation='tanh'))  # output: (3, 64, 64)
  • 1
  • 2
  • 3
  • 4
  • 5

生成一个100维的潜在变量来验证生成器的输出形状。

x = np.zeros((1, 100, 1, 1))

net_G.initialize()

net_G(x).shape

(1, 3, 64, 64)

  1. Discriminator

该鉴别器Discriminator是一个普通的卷积网络,但使用泄漏ReLU作为其激活函数。鉴于α∈[0,1]。R ReLU if α=0, and an identity function if α=1.
For α∈(0,1), leaky ReLU。可以看出,如果α=0,以及如果α=1. 为α∈(0,1),leaky ReLU是一个非线性函数,对负输入给出非零输出。目的是解决“dying ReLU”问题,即神经元可能总是输出一个负值,因此由于ReLU的梯度为0,因此无法取得任何进展。

alphas = [0, 0.2, 0.4, .6, .8, 1]

x = np.arange(-2, 1, 0.1)

Y = [nn.LeakyReLU(alpha)(x).asnumpy() for alpha in alphas]

d2l.plot(x.asnumpy(), Y, ‘x’, ‘y’, alphas)
在这里插入图片描述
鉴别器的基本模块是卷积层,然后是批处理规范化层和泄漏ReLU激活。卷积层的超参数类似于生成块中的转置卷积层。

class D_block(nn.Block):

def __init__(self, channels, kernel_size=4, strides=2,

             padding=1, alpha=0.2, **kwargs):

    super(D_block, self).__init__(**kwargs)

    self.conv2d = nn.Conv2D(

        channels, kernel_size, strides, padding, use_bias=False)

    self.batch_norm = nn.BatchNorm()

    self.activation = nn.LeakyReLU(alpha)

def forward(self, X):

    return self.activation(self.batch_norm(self.conv2d(X)))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17

在这里插入图片描述
x = np.zeros((2, 3, 16, 16))

d_blk = D_block(20)

d_blk.initialize()

d_blk(x).shape

(2, 20, 8, 8)

鉴别器是发生器的镜像。

n_D = 64

net_D = nn.Sequential()

net_D.add(D_block(n_D), # output: (64,
32, 32)

      D_block(n_D*2),  # output: (64*2, 16, 16)

      D_block(n_D*4),  # output: (64*4, 8, 8)

      D_block(n_D*8),  # output: (64*8, 4, 4)

      nn.Conv2D(1, kernel_size=4, use_bias=False)) 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

# output: (1, 1, 1)

使用带输出通道的卷积层1作为最后一层获得单个预测值。

x = np.zeros((1, 3, 64, 64))

net_D.initialize()

net_D(x).shape

(1, 1, 1, 1)

  1. Training

对生成器和鉴别器使用学习速率,改变β1在亚当中0.9到0.5。降低了动量的平滑度,即过去梯度的指数加权移动平均值,以处理快速变化的梯度,因为生成器和鉴别器相互竞争。另外,用随机产生的随机噪声来加速计算。

def train(net_D, net_G, data_iter, num_epochs, lr, latent_dim,

      ctx=d2l.try_gpu()):

loss = gluon.loss.SigmoidBCELoss()

net_D.initialize(init=init.Normal(0.02), force_reinit=True, ctx=ctx)

net_G.initialize(init=init.Normal(0.02), force_reinit=True, ctx=ctx)

trainer_hp = {'learning_rate': lr, 'beta1': 0.5}

trainer_D = gluon.Trainer(net_D.collect_params(), 'adam', trainer_hp)

trainer_G = gluon.Trainer(net_G.collect_params(), 'adam', trainer_hp)

animator = d2l.Animator(xlabel='epoch', ylabel='loss',

                        xlim=[1, num_epochs], nrows=2, figsize=(5, 5),

                        legend=['discriminator', 'generator'])

animator.fig.subplots_adjust(hspace=0.3)

for epoch in range(1, num_epochs + 1):

    # Train one epoch

    timer = d2l.Timer()

    metric = d2l.Accumulator(3)  # loss_D, loss_G, num_examples

    for X, _ in data_iter:

        batch_size = X.shape[0]

        Z = np.random.normal(0, 1, size=(batch_size, latent_dim, 1, 1))

        X, Z = X.as_in_ctx(ctx), Z.as_in_ctx(ctx),

        metric.add(d2l.update_D(X, Z, net_D, net_G, loss, trainer_D),

                   d2l.update_G(Z, net_D, net_G, loss, trainer_G),

                   batch_size)

    # Show generated examples

    Z = np.random.normal(0, 1, size=(21, latent_dim, 1, 1), ctx=ctx)

    # Normalize the synthetic data to N(0, 1)

    fake_x = net_G(Z).transpose(0, 2, 3, 1) / 2 + 0.5

    imgs = np.concatenate(

        [np.concatenate([fake_x[i * 7 + j] for j in range(7)], axis=1)

         for i in range(len(fake_x)//7)], axis=0)

    animator.axes[1].cla()

    animator.axes[1].imshow(imgs.asnumpy())

    # Show the losses

    loss_D, loss_G = metric[0] / metric[2], metric[1] / metric[2]

    animator.add(epoch, (loss_D, loss_G))

print('loss_D %.3f, loss_G %.3f, %d examples/sec on %s' % (

    loss_D, loss_G, metric[2]/timer.stop(), ctx))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71

现在训练模型

latent_dim, lr, num_epochs = 100, 0.005, 40

train(net_D, net_G, data_iter, num_epochs, lr, latent_dim)

loss_D 0.011, loss_G 7.465, 2663 examples/sec on gpu(0)
在这里插入图片描述
5. Summary

· DCGAN architecture has four convolutional layers for the Discriminator and four “fractionally-strided” convolutional layers for the Generator.

· The Discriminator is a 4-layer strided convolutions with batch normalization (except its input layer) and leaky ReLU activations.

· Leaky ReLU is a nonlinear function that give a non-zero output for a negative input. It aims to fix the “dying ReLU” problem and helps the gradients flow easier through the architecture.

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/很楠不爱3/article/detail/94397
推荐阅读
相关标签
  

闽ICP备14008679号