G8-ACGAN理論

?本文為🔗365天深度學習訓練營?中的學習記錄博客
?原作者：K同學啊|接輔導、項目定制

我的環境：

1.語言：python3.7

2.編譯器：pycharm

3.深度學習框架Pytorch 1.8.0+cu111

?一、對比分析

前面的文章介紹了CGAN（條件生成對抗網絡），本文的ACGAN，是在CGAN與SGAN基礎上的擴展，通過對判別器進行改進實現了圖像分類的功能。

原始GAN網絡的功能比較簡單：輸入噪聲數據，輸出偽造圖片。而后CGAN發現可以通過給GAN的生成器添加輔助信息（比如類別標簽），來實現生成圖片類別的精確控制。。

? SGAN鑒別器與原始GAN實現有很大不同。它接收3種輸入：生成器生成的偽樣本X*、訓練數據集中無標簽的真實樣本X和有標簽的真實樣本X,y。?

? ACGAN是在CGAN基礎上更近一步的改進，將判別器的功能擴展為判別真假以及類別區分，可以認為ACGAN的判別器多出一個分類的功能?。

?ACGAN的損失函數也分為了判別損失和分類損失兩個部分，其中判別損失和CGAN并沒有區別，形式如下：

比較新的損失函數如下：

上面的分類損失就是ACGAN的核心貢獻了，對于真實圖片Xreal和生成器偽造的圖片Xfake，判別器（或者說判別器中的分類器）應該能夠預測它所屬的類別。?

二、網絡結構方面（原文鏈接：https://blog.csdn.net/qq_35692819/article/details/106684339）

相同的是ACGAN和CGAN在生成器輸入時候，噪音z都拼接了采集的labels。
不同的是，ACGAN在判別器輸入時，真假數據集都沒有拼接labels，labels只是用來在輔助分類器中作為target_labels。而CGAN的判別器輸入，真假數據集都拼接了labels。
網絡結構上，生成網絡和鑒別網絡的網絡層不再是CGAN的全連接，而是ACGAN的深層卷積網絡（這是在DCGAN開始引入的改變），卷積能夠更好的提取圖片的特征值，所有ACGAN生成的圖片邊緣更具有連續性，感覺更真實。

代碼部分：
?

import argparse
import os
import numpy as npimport torchvision.transforms as transforms
from torchvision.utils import save_imagefrom torch.utils.data import DataLoader
from torchvision import datasets
from torch.autograd import Variableimport torch.nn as nn
import torch# 創建用于存儲生成圖像的目錄
os.makedirs("images", exist_ok=True)# 解析命令行參數
parser = argparse.ArgumentParser()
parser.add_argument("--n_epochs", type=int, default=200, help="訓練的總輪數")
parser.add_argument("--batch_size", type=int, default=64, help="每個批次的大小")
parser.add_argument("--lr", type=float, default=0.0002, help="Adam優化器的學習率")
parser.add_argument("--b1", type=float, default=0.5, help="Adam優化器的一階動量衰減")
parser.add_argument("--b2", type=float, default=0.999, help="Adam優化器的二階動量衰減")
parser.add_argument("--n_cpu", type=int, default=8, help="用于批次生成的CPU線程數")
parser.add_argument("--latent_dim", type=int, default=100, help="潛在空間的維度")
parser.add_argument("--n_classes", type=int, default=10, help="數據集的類別數")
parser.add_argument("--img_size", type=int, default=32, help="每個圖像的尺寸")
parser.add_argument("--channels", type=int, default=1, help="圖像通道數")
parser.add_argument("--sample_interval", type=int, default=400, help="圖像采樣間隔")
opt = parser.parse_args()
print(opt)# 檢查是否支持GPU加速
cuda = True if torch.cuda.is_available() else False# 初始化神經網絡權重的函數
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)# 生成器網絡類
class Generator(nn.Module):def __init__(self):super(Generator, self).__init__()# 為類別標簽創建嵌入層self.label_emb = nn.Embedding(opt.n_classes, opt.latent_dim)# 計算上采樣前的初始大小self.init_size = opt.img_size // 4  # Initial size before upsampling# 第一層線性層self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2))# 卷積層塊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):# 將標簽嵌入到噪聲中gen_input = torch.mul(self.label_emb(labels), noise)# 通過第一層線性層out = self.l1(gen_input)# 重新整形為合適的形狀out = out.view(out.shape[0], 128, self.init_size, self.init_size)# 通過卷積層塊生成圖像img = self.conv_blocks(out)return img# 判別器網絡類
class Discriminator(nn.Module):def __init__(self):super(Discriminator, self).__init__()# 定義判別器塊的函數def discriminator_block(in_filters, out_filters, bn=True):"""返回每個判別器塊的層"""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# 判別器的卷積層塊self.conv_blocks = nn.Sequential(*discriminator_block(opt.channels, 16, bn=False),*discriminator_block(16, 32),*discriminator_block(32, 64),*discriminator_block(64, 128),)# 下采樣后圖像的高度和寬度ds_size = opt.img_size // 2 ** 4# 輸出層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# 損失函數
adversarial_loss = torch.nn.BCELoss()
auxiliary_loss = torch.nn.CrossEntropyLoss()# 初始化生成器和判別器
generator = Generator()
discriminator = Discriminator()if cuda:generator.cuda()discriminator.cuda()adversarial_loss.cuda()auxiliary_loss.cuda()# 初始化權重
generator.apply(weights_init_normal)
discriminator.apply(weights_init_normal)# 配置數據加載器
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,
)# 優化器
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# 保存生成圖像的函數
def sample_image(n_row, batches_done):"""保存從0到n_classes的生成數字的圖像網格"""# 采樣噪聲z = Variable(FloatTensor(np.random.normal(0, 1, (n_row ** 2, opt.latent_dim))))# 為n行生成標簽從0到n_classeslabels = 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)# ----------
# 訓練
# ----------for epoch in range(opt.n_epochs):for i, (imgs, labels) in enumerate(dataloader):batch_size = imgs.shape[0]# 真實數據的標簽valid = Variable(FloatTensor(batch_size, 1).fill_(1.0), requires_grad=False)# 生成數據的標簽fake = Variable(FloatTensor(batch_size, 1).fill_(0.0), requires_grad=False)# 配置輸入real_imgs = Variable(imgs.type(FloatTensor))labels = Variable(labels.type(LongTensor))# -----------------# 訓練生成器# -----------------optimizer_G.zero_grad()# 采樣噪聲和標簽作為生成器的輸入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)))# 生成一批圖像gen_imgs = generator(z, gen_labels)# 損失度量生成器的欺騙判別器的能力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()# ---------------------# 訓練判別器# ---------------------optimizer_D.zero_grad()# 真實圖像的損失real_pred, real_aux = discriminator(real_imgs)d_real_loss = (adversarial_loss(real_pred, valid) + auxiliary_loss(real_aux, labels)) / 2# 生成圖像的損失fake_pred, fake_aux = discriminator(gen_imgs.detach())d_fake_loss = (adversarial_loss(fake_pred, fake) + auxiliary_loss(fake_aux, gen_labels)) / 2# 判別器的總損失d_loss = (d_real_loss + d_fake_loss) / 2# 計算判別器的準確率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) + iif batches_done % opt.sample_interval == 0:sample_image(n_row=10, batches_done=batches_done)

判別器

def discriminator_block(in_filters, out_filters, bn=True):: 這是一個內部函數，用于定義判別器的卷積塊。它接受輸入的通道數 in_filters 和輸出的通道數 out_filters，并返回一個卷積塊的列表。
self.conv_blocks = nn.Sequential(...)：定義了判別器的卷積層塊，它使用了 nn.Sequential 來組合多個卷積塊。通過調用 discriminator_block 函數定義了四個卷積塊，每個卷積塊由一個卷積層、一個 LeakyReLU 激活函數和一個 Dropout2d 層組成。
ds_size = opt.img_size // 2 ** 4：計算下采樣后圖像的高度和寬度。在這段代碼中，每個卷積塊都將輸入圖像的尺寸減半，共執行了 4 次這樣的操作。
self.adv_layer = nn.Sequential(...)：定義了判別器的輸出層。adv_layer 是用于判斷圖像真假的部分，它是一個全連接層，將卷積層塊輸出的特征展平后輸入到一個 Sigmoid 激活函數中，以輸出一個范圍在 0 到 1 之間的值，表示圖像的真實度。
self.aux_layer = nn.Sequential(...)：定義了判別器的輔助輸出層。aux_layer 是用于對圖像進行分類的部分，它也是一個全連接層，將卷積層塊輸出的特征展平后輸入到一個 Softmax 激活函數中，以輸出類別概率分布，其中 opt.n_classes 是類別的數量。
def forward(self, img):：定義了前向傳播函數。接收一個輸入圖像 img，將其輸入到卷積層塊中進行特征提取，然后將特征展平后分別輸入到判別器的輸出層 adv_layer 和 aux_layer 中，得到判別器的輸出：真假判別結果 validity 和圖像類別預測結果 label。

生成器?

self.label_emb = nn.Embedding(opt.n_classes, opt.latent_dim): 創建了一個嵌入層 label_emb，用于將類別標簽轉換為一個與噪聲相同維度的向量。這里假設 opt.n_classes 是類別的數量，opt.latent_dim 是噪聲的維度。
self.init_size = opt.img_size // 4: 計算了上采樣前的初始大小。在這段代碼中，初始大小是圖像大小的 1/4。
self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2)): 定義了一個線性層 l1，將噪聲輸入映射到一個特定大小的張量，以供后續卷積層塊使用。
self.conv_blocks = nn.Sequential(...)：定義了生成器的卷積層塊。通過 nn.Sequential 組合了多個層，包括批歸一化層、上采樣層、卷積層、LeakyReLU 激活函數和 Tanh 激活函數。這些層組合在一起，用于從輸入的特征張量生成圖像。
def forward(self, noise, labels):: 定義了前向傳播函數。接收噪聲 noise 和類別標簽 labels 作為輸入，并經過一系列操作生成圖像。首先，通過將標簽嵌入到噪聲中，將標簽信息融合到生成的噪聲中。然后，將融合后的輸入通過線性層 l1，將其映射到適當的大小。接著，將線性層輸出重塑為合適的形狀，以適應后續的卷積層塊。最后，通過卷積層塊生成圖像，并將生成的圖像作為輸出返回。