G9打卡——ACGAN

?🍨 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

1.導入庫及參數

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=10, 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

2.初始化權重

# 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)

3.模型

# 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)

4.數據集

# 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

5.訓練

# 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)

ACGAN（Auxiliary Classifier GAN）總結

ACGAN（輔助分類器生成對抗網絡）是一種結合了生成對抗網絡（GAN）和分類器的深度學習模型，能夠在生成圖像的同時控制生成圖像的類別。以下是對其核心原理、代碼實現及關鍵點的總結：

1. 核心原理

生成器（Generator）
- 輸入：潛在噪聲（latent noise）和類別標簽（class label）。
- 功能：將噪聲和標簽結合，生成特定類別的圖像。
- 結構：通過線性層和卷積層逐步上采樣，最終輸出圖像。類別標簽通過嵌入層（nn.Embedding）映射到潛在空間，并與噪聲相乘，作為生成器的輸入。
判別器（Discriminator）
- 輸入：圖像（真實或生成）。
- 功能：
  1. 判斷圖像是否為真實圖像（二分類任務）。
  2. 預測圖像的類別（多分類任務）。
- 結構：通過卷積層逐步降采樣，提取特征后分為兩個輸出分支：
  - 真假判別：輸出圖像為真實的概率（Sigmoid激活）。
  - 類別預測：輸出類別概率分布（Softmax激活）。
損失函數
- 生成器損失：
  目標是讓生成的圖像欺騙判別器（接近真實標簽）并正確匹配類別標簽。
- 判別器損失：
  目標是正確區分真假圖像，并準確預測類別。

2. 代碼實現關鍵點

數據預處理
- 使用MNIST數據集，圖像尺寸調整為32x32，歸一化到范圍[-1, 1]。
- 標簽進行獨熱編碼（One-Hot Encoding），通過nn.Embedding映射到潛在空間。
模型結構
- 生成器：
  - 輸入：噪聲（latent_dim=100） + 標簽嵌入（opt.n_classes=10）。
  - 上采樣流程：通過nn.Upsample逐步放大圖像尺寸（從8x8到32x32）。
- 判別器：
  - 使用卷積層逐步降采樣（Conv2d + LeakyReLU + Dropout），最終輸出真假概率和類別概率。
訓練過程
- 交替訓練：生成器和判別器交替更新，避免模式崩潰（Mode Collapse）。
- 生成器訓練：
  - 隨機生成噪聲和標簽，生成假圖像。
  - 計算生成器的對抗損失（使判別器誤判為真）和分類損失（使判別器預測正確類別）。
- 判別器訓練：
  - 對真實圖像和生成圖像分別計算損失，優化判別能力。
- 圖像保存：定期生成并保存圖像，觀察訓練效果（sample_image函數）。
超參數與優化
- 使用Adam優化器，學習率0.0002，動量參數(b1=0.5, b2=0.999)。
- 權重初始化：卷積層和批歸一化層使用正態分布初始化（均值0，標準差0.02）。

3. 與傳統GAN的差異

條件生成：
- 傳統GAN僅生成無條件數據，而ACGAN通過引入類別標簽，實現條件生成（Conditional Generation）。
輔助分類器：
- 判別器額外輸出類別概率，迫使生成器生成符合類別特征的圖像，提升生成質量。
損失函數設計：
- ACGAN結合對抗損失和分類損失，使模型在生成逼真圖像的同時保持類別多樣性。

4. 應用與優勢

應用場景：
- 圖像生成（如MNIST、CIFAR-10）。
- 數據增強（生成特定類別的訓練樣本）。
- 風格遷移（結合文本描述生成特定風格圖像）。
優勢：
- 可控生成：通過類別標簽控制生成圖像的類別。
- 多樣性：輔助分類器避免生成器陷入單一模式。
- 穩定性：分類任務的引入有助于穩定訓練過程。