生成对抗网络GAN与DCGAN的理解

作者在进行GAN学习中遇到的问题汇总到下方，并进行解读讲解,下面提到的题目是李宏毅老师机器学习课程的作业6（GAN）

一.GAN

网络上有关GAN和DCGAN的讲解已经很多，在这里不再加以赘述，放几个我认为比较好的讲解
1.GAN概念理解
2.理解GAN网络基本原理
3.李宏毅机器学习课程
4.换个角度看GAN：另一种损失函数

二.DCGAN

1.从头开始GAN【论文】(二) —— DCGAN
2.PyTorch教程之DCGAN
3.pytorch官方DCGAN样例讲解

三.示例代码解读

3.1关于数据集的下载

官方的数据集需要FQ下载，在查找相关网址后，上网找到了数据集，并成功下载，如下是数据集链接：
提取码：ctgr

成功下载并解压，可以删除作业代码中的有关下载和解压的部分

可以打开我最下面放的文件，改变数据地址即可（main函数中的workspace_dir）

   You may replace the workspace directory if you want.
   workspace_dir = '.'
   Training progress bar
   !pip install -q qqdm
   !gdown --id 1IGrTr308mGAaCKotpkkm8wTKlWs9Jq-p --output "{workspace_dir}/crypko_data.zip"

3.2导入相关包和函数

  import random
  import torch
  import numpy as np
  import os
  import glob
  import torch.nn as nn
  import torch.nn.functional as F
  import torchvision
  import torchvision.transforms as transforms
  from torch import optim
  from torch.autograd import Variable
  from torch.utils.data import Dataset, DataLoader
  import matplotlib.pyplot as plt
  from qqdm.notebook import qqdm

如果没有qqdm或者matplotlib则需要pip或者conda下载（qqdm是进度条，在训练过程中可以显示训练进度）

3.3DateSet 数据预处理

Transfrom：

1.transforms.Compose()：将一系列的transforms有序组合，实现时按照这些方法依次对图像操作。

类似封装函数，依次执行

2.transforms.ToPILImage：将数据转换为PILImage。
3.transforms.Resize：图像变换
4.transforms.ToTensor：转为tensor，并归一化至[0-1]
5.transforms.Normalize：数据归一化处理

mean:各通道的均值
std：各通道的标准差

关于为什么要进行归一化处理可以参考transforms.Normalize（）

6.主函数进行数据加载：

  workspace_dir='D://机器学习//Jupyter//GAN学习//函数'
  dataset = get_dataset(os.path.join(workspace_dir, 'faces'))

3.4Model-模型的建立-DCGAN

3.4.1权重初始化

DCGAN指出，所有的权重都以均值为0，标准差为0.2的正态分布随机初始化。weights_init 函数读取一个已初始化的模型并重新初始化卷积层，转置卷积层，batch normalization 层。这个函数在模型初始化之后使用。

def weights_init(m):
    classname = m.__class__.__name__
    if classname.find('Conv') != -1:
        m.weight.data.normal_(0.0, 0.02)
    elif classname.find('BatchNorm') != -1:
        m.weight.data.normal_(1.0, 0.02)
        m.bias.data.fill_(0)

3.4.2Generator-生成器模型

生成器的目的是将输入向量z zz 映射到真的数据空间。这儿我们的数据为图片，意味着我们需要将输入向量z zz转换为 3x64x64的RGB图像。实际操作时，我们通过一系列的二维转置卷，每次转置卷积后跟一个二维的batch norm层和一个relu激活层。生成器的输出接入tanh函数以便满足输出范围为[−1,1]。值得一提的是，每个转置卷积后面跟一个 batch norm 层，是DCGAN论文的一个主要贡献。这些网络层有助于训练时的梯度计算。

下面为生成器模型分析

该函数由反卷积+batch norm+relu构成

反卷积参考这里

      def dconv_bn_relu(in_dim, out_dim):
            return nn.Sequential(
                nn.ConvTranspose2d(in_dim, out_dim, 5, 2,
                                   padding=2, output_padding=1, bias=False),
                nn.BatchNorm2d(out_dim),
                nn.ReLU()
            )

类似dconv_bn_relu，但特殊在l1为网络的第一层，输入输出和后面的l2不同(我其实觉得可以放到一起，但可能分开更加清除一些)

       self.l1 = nn.Sequential(
                  nn.Linear(in_dim, dim * 8 * 4 * 4, bias=False),
                  nn.BatchNorm1d(dim * 8 * 4 * 4),
                  nn.ReLU()
              )

实例化生成器并调用weights_init函数

       self.l2_5 = nn.Sequential(
                  dconv_bn_relu(dim * 8, dim * 4),
                  dconv_bn_relu(dim * 4, dim * 2),
                  dconv_bn_relu(dim * 2, dim),
                  nn.ConvTranspose2d(dim, 3, 5, 2, padding=2, output_padding=1),
                  nn.Tanh()
              )

构建cnn网络结构，tanh函数使输出在[-1,1]之间

      self.apply(weights_init)

整体模型合并

      def forward(self, x):
          y = self.l1(x)
          y = y.view(y.size(0), -1, 4, 4)
          y = self.l2_5(y)
          return y

主函数中生成实例，并输出网络结构

     netG=Generator(100)
      print(netG)

运行后得到网络结构

  (l1): Sequential(
    (0): Linear(in_features=100, out_features=8192, bias=False)
    (1): BatchNorm1d(8192, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (2): ReLU()
  )
  (l2_5): Sequential(
    (0): Sequential(
      (0): ConvTranspose2d(512, 256, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2), output_padding=(1, 1), bias=False)
      (1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (2): ReLU()
    )
    (1): Sequential(
      (0): ConvTranspose2d(256, 128, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2), output_padding=(1, 1), bias=False)
      (1): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (2): ReLU()
    )
    (2): Sequential(
      (0): ConvTranspose2d(128, 64, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2), output_padding=(1, 1), bias=False)
      (1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (2): ReLU()
    )
    (3): ConvTranspose2d(64, 3, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2), output_padding=(1, 1))
    (4): Tanh()
  )
)

3.4.3 Discriminator-判别器模型

判别器的输入为3 *64 *64，输出为概率（分数），依次通过卷积层，BN层，LeakyReLU层，最后通过sigmoid函数输出得分

from torch import nn

from 函数.weights_inition import weights_init


class Discriminator(nn.Module):
    """
    Input shape: (N, 3, 64, 64)
    Output shape: (N, )
    """

    def __init__(self, in_dim, dim=64):
        super(Discriminator, self).__init__()

        def conv_bn_lrelu(in_dim, out_dim):
            return nn.Sequential(
                nn.Conv2d(in_dim, out_dim, 5, 2, 2),
                nn.BatchNorm2d(out_dim),
                nn.LeakyReLU(0.2),
            )

        """ Medium: Remove the last sigmoid layer for WGAN. """
        self.ls = nn.Sequential(
            nn.Conv2d(in_dim, dim, 5, 2, 2),
            nn.LeakyReLU(0.2),
            conv_bn_lrelu(dim, dim * 2),
            conv_bn_lrelu(dim * 2, dim * 4),
            conv_bn_lrelu(dim * 4, dim * 8),
            nn.Conv2d(dim * 8, 1, 4),
            nn.Sigmoid(),
        )
        self.apply(weights_init)

    def forward(self, x):
        y = self.ls(x)
        y = y.view(-1)
        return y

类似生成器，具体框架不再分开说明

生成实例，观察网络结构

Discriminator(
  (ls): Sequential(
    (0): Conv2d(3, 64, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2))
    (1): LeakyReLU(negative_slope=0.2)
    (2): Sequential(
      (0): Conv2d(64, 128, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2))
      (1): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (2): LeakyReLU(negative_slope=0.2)
    )
    (3): Sequential(
      (0): Conv2d(128, 256, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2))
      (1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (2): LeakyReLU(negative_slope=0.2)
    )
    (4): Sequential(
      (0): Conv2d(256, 512, kernel_size=(5, 5), stride=(2, 2), padding=(2, 2))
      (1): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (2): LeakyReLU(negative_slope=0.2)
    )
    (5): Conv2d(512, 1, kernel_size=(4, 4), stride=(1, 1))
    (6): Sigmoid()
  )
)

3.5Training-模型的训练-DCGAN

3.5.1 创建网络结构

  G = Generator(in_dim=z_dim).to(device)
  D = Discriminator(3).to(device)
  G.train()
  D.train()

  # Loss
  criterion = nn.BCELoss()


  # Optimizer
  opt_D = torch.optim.Adam(D.parameters(), lr=lr, betas=(0.5, 0.999))
  opt_G = torch.optim.Adam(G.parameters(), lr=lr, betas=(0.5, 0.999))

in_dim=z_dim=100,z的分布（高斯分布）深度为100
因为input的是图片，3channels，所以Discriminator(3)
如果模型中有BN层，需要在训练时添加model.train()，在测试时添加model.eval()。其中model.train()是保证BN层用每一批数据的均值和方差，而model.eval()是保证BN用全部训练数据的均值和方差。
损失函数使用二元交叉熵损失(BCELoss)
这里使用Adam优化器更新参数Adam+pytorch，学习率设置为0.0002 Betal=0.5。

3.5.2加载数据

Dataloader参考dataloader

  dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=True, num_workers=2)

z为随机生成64*100的高斯分布数据（均值为0，方差为1）也叫噪声。
z为生成器的输入。

3.5.3 训练D(判别器)

z为随机生成64*100的高斯分布数据（均值为0，方差为1）也叫噪声。
z为生成器的输入。

      z = Variable(torch.randn(bs, z_dim)).to(device)

f_imgs大小为 64 *3 *64 *64(生成64张假图片)
将z直接传入G (),可以直接调用forward（）函数进行操作，参考forward。
下面展示forward（）函数的流程

      r_imgs = Variable(imgs).to(device)
      f_imgs = G(z)

进行标签定义，真实图片的label为1，生成的图片的label为0。

      r_label = torch.ones((bs)).to(device)
      f_label = torch.zeros((bs)).to(device)

把两种图片放入判别器，将r_imgs设置为detach(),意为参数不再更新（很好理解，因为图片的数据肯定不可以改变，只能改变网络的参数，所以就锁定了图片数据）。r_logit表示真实图片得分(越高越好)，f_logit表示假图片得分（越低越好）。

      r_logit = D(r_imgs.detach())
      f_logit = D(f_imgs.detach())

计算损失，就是将两种损失加起来除以二。

      r_loss = criterion(r_logit, r_label)
      f_loss = criterion(f_logit, f_label)
      loss_D = (r_loss + f_loss) / 2

module.zero_grad(），每一个batch的训练将参数的梯度清零。
对loss进行反向传播算法，.backward（）可以计算所有与loss_D有关的参数的梯度，参考backward。
optimizer.step()，进行参数更新(Adam)。

      D.zero_grad()
      loss_D.backward()
      opt_D.step()

3.5.4 训练G(生成器)

z为随机生成64*100的高斯分布数据（均值为0，方差为1）也叫噪声。
z为生成器的输入。

   z = Variable(torch.randn(bs, z_dim)).to(device)

生成假图片，并计算得分（越高越好）。

   f_imgs = G(z)
   f_logit = D(f_imgs)
   loss_G = criterion(f_logit, r_label)

更新参数

   G.zero_grad()
   loss_G.backward()
   opt_G.step()

3.6结果展示

生成最后的结果（测试图片），每一个epoch生成一张图片。

有关pytorch中dataloader，dataset以及数据显示的学习可以参考PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】

        G.eval()
        f_imgs_sample = (G(z_sample).data + 1) / 2.0
        filename = os.path.join(log_dir, f'Epoch_{epoch + 1:03d}.jpg')
        torchvision.utils.save_image(f_imgs_sample, filename, nrow=10)
        print(f' | Save some samples to {filename}.')

        # Show generated images in the jupyter notebook.
        grid_img = torchvision.utils.make_grid(f_imgs_sample.cpu(), nrow=10)
        plt.figure(figsize=(10, 10))
        plt.imshow(grid_img.permute(1, 2, 0))
        plt.show()
        G.train()

        if (e + 1) % 5 == 0 or e == 0:
            # Save the checkpoints.
            torch.save(G.state_dict(), os.path.join(ckpt_dir, 'G.pth'))
            torch.save(D.state_dict(), os.path.join(ckpt_dir, 'D.pth'))