1. 从GAN到CGAN
GAN训练数据没有标签。如果我们想进行标签训练，我们需要使用它CGAN。 对于图像，我们不仅要让输出图像真实，还要让输出图像符合标签c。Discriminator输入被改为同时输入c和x，输出需要做两件事，一是判断x是否是真实图片，二是x和c是否匹配。 在以下两种情况下，虽然左侧输出图片清晰，但不符合c；右侧输出图片不真实。所以D的输出在两种情况下都是0。 
让我们来看看简单的示例代码：
import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import numpy as np import matplotlib.pyplot as plt import torchvision from torchvision import transforms from torch.utils import data import os import glob from PIL import Image # 独热编码 # 输入x代表默认torchvision返回的类比值，class_count类别值为10 def one_hot(x, class_count=10): return torch.eye(class_count)[x, :] # 切片选择，第一维选择x，第二维全要 transform =transforms.Compose([transforms.ToTensor(), transforms.Normalize(0.5, 0.5)]) dataset = torchvision.datasets.MNIST('data', train=True, transform=transform, target_transform=one_hot, download=False) dataloader = data.DataLoader(dataset, batch_size=64, shuffle=True) # 定义生成器 class Generator(nn.Module): def __init__(self): super(Generator, self).__init__() self.linear1 = nn.Linear(10, 128 * 7 * 7) self.bn1 = nn.BatchNorm1d(128 * 7 * 7) self.linear2 = nn.Linear(100, 128 * 7 * 7) self.bn2 = nn.BatchNorm1d(128 * 7 * 7) self.deconv1 = nn.ConvTranspose2d(256, 128, kernel_size=(3, 3), padding=1) self.bn3 = nn.BatchNorm2d(128) self.deconv2 = nn.ConvTranspose2d(128, 64, kernel_size=(4, 4), stride=2, padding=1) self.bn4 = nn.BatchNorm2d(64) self.deconv3 = nn.ConvTranspose2d(64, 1, kernel_size=(4, 4), stride=2, padding=1) def forward(self, x1, x2): x1 = F.relu(self.linear1(x1)) x1 = self.bn1(x1) x1 = x1.view(-1, 128, 7, 7) x2 = F.relu(self.linear2(x2)) x2 = self.bn2(x2) x2 = x2.view(-1, 128, 7, 7) x = torch.cat([x1, x2], axis=1) x = F.relu(self.deconv1(x)) x = self.bn3(x) x = F.relu(self.deconv2(x)) x = self.bn4(x) x = torch.tanh(self.deconv3(x)) return x # 定义判别器 # input:1，28，28的图片以及长度为10的condition class Discriminator(nn.Module): def __init__(self): super(Discriminator, self).__init__() self.linear = nn.Linear(10, 1*28*28) self.conv1 = nn.Conv2d(2, 64, kernel_size=3, stride=2) self.conv2 = nn.Conv2d(64, 128, kernel_size=3, stride=2) self.bn = nn.BatchNorm2d(128) self.fc = nn.Linear(128*6*6, 1) # 输出概率值 def forward(self, x1, x2): x1 =F.leaky_relu(self.linear(x1)) x1 = x1.view(-1, 1, 28, 28) x = torch.cat([x1, x2], axis=1) x = F.dropout2d(F.leaky_relu(self.conv1(x))) x = F.dropout2d(F.leaky_relu(self.conv2(x))) x = self.bn(x) x = x.view(-1, 128*6*6) x = torch.sigmoid(self.fc(x)) return x # 初始化模型 device = 'cuda' if torch.cuda.is_available() else 'cpu' gen = Generator().to(device) dis = Discriminator().to(device) # 计算损失函数 loss_function = torch.nn.BCELoss() # 定义优化器 d_optim = torch.optim.Adam(dis.parameters(), lr=1e-5) g_optim = torch.optim.Adam(gen.parameters(), lr=1e-4) # 定义可视化函数 def generate_and_save_images(model, epoch, label_input, noise_input): predictions = np.squeeze(model(label_input, noise_input).cpu().numpy()) fig = plt.figure(figsize=(4, 4)) for i in range(predictions.shape[0]): plt.subplot(4, 4, i 1) plt.imshow((predictions[i] 1) / 2, cmap='gray') plt.axis("off") plt.show() noise_seed = torch.randn(16, 100, device=device) label_seed = torch.randint(0, 10, size=(16,)) label_seed_onehot = one_hot(label_seed).to(device) print(label_seed) # print(label_seed_onehot) # 开始训练 D_loss = [] G_loss = [] # 训练循环 for epoch in range(150): d_epoch_loss = 0 g_epoch_loss = 0 count = len(dataloader.dataset) # 迭代所有数据集 for step, (img, label) in enumerate(dataloader): img = img.to(device) label = label.to(device) size = mg.shape[0]
random_noise = torch.randn(size, 100, device=device)
d_optim.zero_grad()
real_output = dis(label, img)
d_real_loss = loss_function(real_output,
torch.ones_like(real_output, device=device)
)
d_real_loss.backward() #求解梯度
# 得到判别器在生成图像上的损失
gen_img = gen(label,random_noise)
fake_output = dis(label, gen_img.detach()) # 判别器输入生成的图片，f_o是对生成图片的预测结果
d_fake_loss = loss_function(fake_output,
torch.zeros_like(fake_output, device=device))
d_fake_loss.backward()
d_loss = d_real_loss + d_fake_loss
d_optim.step() # 优化
# 得到生成器的损失
g_optim.zero_grad()
fake_output = dis(label, gen_img)
g_loss = loss_function(fake_output,
torch.ones_like(fake_output, device=device))
g_loss.backward()
g_optim.step()
with torch.no_grad():
d_epoch_loss += d_loss.item()
g_epoch_loss += g_loss.item()
with torch.no_grad():
d_epoch_loss /= count
g_epoch_loss /= count
D_loss.append(d_epoch_loss)
G_loss.append(g_epoch_loss)
if epoch % 10 == 0:
print('Epoch:', epoch)
generate_and_save_images(gen, epoch, label_seed_onehot, noise_seed)
2. Pix2pix：像素级别转换
这里是尝试地址：https://affinelayer.com/pixsrv/ 使用Pix2Pix神经网络模型实现论文中预定义的任务：黑白简笔画到彩图、平面房屋到立体房屋和航拍图到地图等功能： Pix2pixgan本质上是一个cgan，图片x作为此cGAN的条件， 需要输入到G和D中。 G的输入是x（x 是需要转换的图片），输出是生成的图片G(x)。 D则需要分辨出{x,G(x)}和{x, y}。 这里的生成器模型我们采用U-Net： 在pix2pix中，作者就是把L1 loss 和GAN loss相结合使用，因为作者认为L1 loss 可以恢复图像的低频部分，而GAN loss可以恢复图像的高频部分。判别器使用patchGAN。
我们看一些代码说明：
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
self.down1 = Downsample(3, 64)
self.down2 = Downsample(64, 128)
self.down3 = Downsample(128, 256)
self.down4 = Downsample(256, 512)
self.down5 = Downsample(512, 512)
self.down6 = Downsample(512, 512)
self.up1 = Upsample(512, 512)
self.up2 = Upsample(1024, 512)
self.up3 = Upsample(1024, 256)
self.up4 = Upsample(512, 128)
self.up5 = Upsample(256, 64)
self.last = nn.ConvTranspose2d(128, 3,
kernel_size=3,
stride=2,
padding=1,
output_padding=1)
def forward(self, x):
x1 = self.down1(x, is_bn=False) # torch.Size([8, 64, 128, 128])
x2 = self.down2(x1) # torch.Size([8, 128, 64, 64])
x3 = self.down3(x2) # torch.Size([8, 256, 32, 32])
x4 = self.down4(x3) # torch.Size([8, 512, 16, 16])
x5 = self.down5(x4) # torch.Size([8, 512, 8, 8])
x6 = self.down6(x5) # torch.Size([8, 512, 4, 4])
x6 = self.up1(x6, is_drop=True) # torch.Size([8, 512, 8, 8])
x6 = torch.cat([x5, x6], dim=1) # torch.Size([8, 1024, 8, 8])
x6 = self.up2(x6, is_drop=True) # torch.Size([8, 512, 16, 16])
x6 = torch.cat([x4, x6], dim=1) # torch.Size([8, 1024, 16, 16])
x6 = self.up3(x6, is_drop=True)
x6 = torch.cat([x3, x6], dim=1)
x6 = self.up4(x6)
x6 = torch.cat([x2, x6], dim=1)
x6 = self.up5(x6)
x6 = torch.cat([x1, x6], dim=1)
x6 = torch.tanh(self.last(x6))
return x6
# 判别器
class Discriminator(nn.Module):
def __init__(self):
super(Discriminator,self).__init__()
self.down1 = Downsample(6, 64)
self.down2 = Downsample(64, 128)
self.down3 = Downsample(128, 256)
self.conv = nn.Conv2d(256, 512, 3, 1, 1)
self.bn = nn.BatchNorm2d(512)
self.last = nn.Conv2d(512, 1, 3, 1)
def forward(self, anno, img):
x = torch.cat([anno, img], dim=1) # batch*6*H*W
x = self.down1(x, is_bn=False)
x = self.down2(x)
x = F.dropout2d(self.down3(x))
x = F.dropout2d(F.leaky_relu(self.conv(x)))
x = F.dropout2d(self.bn(x))
x = torch.sigmoid(self.last(x))
return x
3. Pix2PixHD
在pix2pix的基础上，增加了一个“从糙到精生成器(coarse-to-fine generator)”、一个多尺度鉴别器架构和一个健壮的对抗学习目标函数。 1）生成器部分提高分辨率：将生成器U-net拆分成两个子网络G1和G2进行训练：前者输入和输出的分辨率保持一致（如 1024 x 512），后者输出尺寸（2048x1024）是输入尺寸（1024x512）的4倍（长宽各两倍）。如果想要得到更高分辨率的图像，只需要增加更多的局部增强网络即可（如 G={G1,G2,G3}） 2）判别器部分将深度改为宽度：使用三个相同结构的判别器，分别处理不同尺寸的输入。 3）损失函数更稳健：除了PatchGAN的损失，还加上了样本与GT使用判别器网络和VGG16网络提取特征后进行的Element-wise loss 4）输入加入高频特征向量，例如图像的边缘信息，与输入的语义标签连接到一起作为输入。 5）额外学习一个Feature encoder网络，可以将原图转化为features，用来控制图像的颜色、纹理信息。
4. CycleGAN：风格转换
pix2pixGAN有一个明显的缺点就是，在进行训练的时候必须提供成对的数据集。比如当我们想生成梵高风格的画时，梵高本人画的作品肯定是相对较少的，这个时候就可以考虑使用cycleGAN。cycleGAN适用于非配对的图像到图像转换: 其原理可以概括为将一类图片转成成另一类图片，比如，现有两个样本空间X、Y，我们希望把X空间中的样本转换成Y空间中的样本。这种转换只是风格上的转换，实际X Y 的内容是不一样的。实际的目标就是学习从X到Y的映射，假设该映射为F，它就对应着GAN中的生成器，F就可以将X中的图片A转换为Y中的图片F(A)。 为了实现这个过程，我们需要两个生成器 G_AB 和 G_BA： 首先是单向loss的组成： 判别 loss： 判别器 D_B 是用来判断输入的图片是否是真实的 B 图片，这个流程和GAN是一致的。 生成 loss：生成器用来重建图片 a，目的是希望生成的图片 G_BA(G_AB(a)) 和原图 a 尽可能的相似，那么可以很简单的采取 L1 loss 或者 L2 loss。除了GAN loss，还包含如下loss： ① cycle-loss：也就是循环一致损失。因为网络需要保证生成的图像必须保留有原 始图像的特性，所以如果我们使用生成器GA-B生成一张假图像，那么要能够使用另外一个生成器 GB-A来努力恢复成原始图像。此过程必须满足循环一致性 ② 等价loss：我们要求 G A B ( b ) = b G_{AB}(b)=b GAB(b)=b，以及 G B A ( a ) = a G_{BA}(a)=a GBA(a)=a。
下面来看下示例代码： 获取苹果橙子数据：
# 加载训练数据
apples_path = glob.glob('data/trainA/*.jpg')
oranges_path = glob.glob('data/trainB/*.jpg')
transform = transforms.Compose([transforms.ToTensor(), # 0-1归一化
transforms.Normalize(0.5, 0.5), # -1，1])
class AppleOrangeDataset(data.Dataset):
def __init__(self, img_path):
self.img_path = img_path
def __getitem__(self, index):
img_path = self.img_path[index]
pil_img = Image.open(img_path)
pil_img = transform(pil_img)
return pil_img
def __len__(self):
return len(self.img_path)
apple_dataset = AppleOrangeDataset(apples_path)
oranges_dataset = AppleOrangeDataset(oranges_path)
基于Unet结构定义上 / 下采样模块，接着定义生成器：
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
self.down1 = Downsample(3, 64)
self.down2 = Downsample(64, 128)
self.down3 = Downsample(128, 256)
self.down4 = Downsample(256, 512)
self.down5 = Downsample(512, 512)
self.down6 = Downsample(512, 512)
self.up1 = Upsample(512, 512)
self.up2 = Upsample(1024, 512)
self.up3 = Upsample(1024, 256)
self.up4 = Upsample(512, 128)
self.up5 = Upsample(256, 64)
self.last = nn.ConvTranspose2d(128, 3,
kernel_size=3,
stride=2,
padding=1,
output_padding=1)
def forward(self, x):
x1 = self.down1(x, is_bn=False) # torch.Size([8, 64, 128, 128])
x2 = self.down2(x1) # torch.Size([8, 128, 64, 64])
x3 = self.down3(x2) # torch.Size([8, 256, 32, 32])
x4 = self.down4(x3) # torch.Size([8, 512, 16, 16])
x5 = self.down5(x4) # torch.Size([8, 512, 8, 8])
x6 = self.down6(x5) # torch.Size([8, 512, 4, 4])
x6 = self.up1(x6, is_drop=True) # torch.Size([8, 512, 8, 8])
x6 = torch.cat([x5, x6], dim=1) # torch.Size([8, 1024, 8, 8])
x6 = self.up2(x6, is_drop=True) # torch.Size([8, 512, 16, 16])
x6 = torch.cat([x4, x6], dim=1) # torch.Size([8, 1024, 16, 16])
x6 = self.up3(x6, is_drop=True)
x6 = torch.cat([x3, x6], dim=1)
x6 = self.up4(x6)
x6 = torch.cat([x2, x6], dim=1)
x6 = self.up5(x6)
x6 = torch.cat([x1, x6], dim=1)
x6 = torch.tanh(self.last(x6))
return x6
接下来是鉴别器：
class Discriminator(nn.Module):
def __init__(self):
super(Discriminator, self).__init__()
self.down1 = Downsample(3, 64) # 128
self.down2 = Downsample(64, 128) # 64
self.last = nn.Conv2d(128, 1, 3)
def forward(self, img):
x = self.down1(img)
x = self.down2(x)
x = torch.sigmoid(self.last(x))
return x
我们需要定义两个生成器和两个鉴别器：
gen_AB = Generator().to(device)
gen_BA = Generator().to(device)
dis_A = Discriminator().to(device)
dis_B = Discriminator().to(device)
# 同时对两个生成器进行优化
gen_optimizer = torch.optim.Adam(itertools.chain(gen_AB.parameters(), gen_BA.parameters()),
lr=2e-4, betas=(0.5, 0.999))
dis_A_optimizer = torch.optim.Adam(dis_A.parameters(), lr=2e-4, betas=(0.5, 0.999))
dis_B_optimizer = torch.optim.Adam(dis_B.parameters(), lr=2e-4, betas=(0.5, 0.999))
训练过程如下：
D_loss = [] # 记录训练过程中判别器loss变化
G_loss = [] # 记录训练过程中生成器loss变化
# 开始训练
for epoch in range(50):
D_epoch_loss = 0
G_epoch_loss = 0
for step, (real_A, real_B) in enumerate(zip(apples_dl, oranges_dl)):
# GAN 训练
gen_optimizer.zero_grad()
# identity loss
same_B = gen_AB(real_B)
identity_B_loss = l1loss_fn(same_B, real_B)
same_A = gen_BA(real_A)
identity_A_loss = l1loss_fn(same_A, real_A)
# GAN loss
fake_B = gen_AB(real_A)
D_pred_fake_B = dis_B(fake_B)
gan_loss_AB = bceloss_fn(D_pred_fake_B,
torch.ones_like(D_pred_fake_B, device=device))
fake_A = gen_BA(real_B)
D_pred_fake_A = dis_A(fake_A)
gan_loss_BA = bceloss_fn(D_pred_fake_A,
torch.ones_like(D_pred_fake_A, device=device))
# cycle consistanse loss
recovered_A = gen_BA(fake_B)
cycle_loss_ABA = l1loss_fn(recovered_A, real_A)
recovered_B = gen_AB(fake_A)
cycle_loss_BAB = l1loss_fn(recovered_B, real_B)
# total_loss
g_loss = (identity_B_loss + identity_A_loss + gan_loss_AB + gan_loss_BA
+ cycle_loss_ABA + cycle_loss_BAB)
g_loss.backward()
gen_optimizer.step()
# dis_A 训练
dis_A_optimizer.zero_grad()
dis_A_real_output = dis_A(real_A) # 判别器输入真实图片
dis_A_real_loss = bceloss_fn(dis_A_real_output,
torch.ones_like(dis_A_real_output, device=device))
dis_A_fake_output = dis_A(fake_A.detach()) # 判别器输入生成图片
dis_A_fake_loss = bceloss_fn(dis_A_fake_output,
torch.zeros_like(dis_A_fake_output, device=device))
dis_A_loss = (dis_A_real_loss + dis_A_fake_loss) * 0.5
dis_A_loss.backward()
dis_A_optimizer.step()
# dis_B 训练
dis_B_optimizer.zero_grad()
dis_B_real_output = dis_B(real_B) # 判别器输入真实图片
dis_B_real_loss = bceloss_fn(dis_B_real_output,
torch.ones_like(dis_B_real_output, device=device))
dis_B_fake_output = dis_B(fake_B.detach()) # 判别器输入生成图片
dis_B_fake_loss = bceloss_fn(dis_B_fake_output,
torch.zeros_like(dis_B_fake_output, device=device))
dis_B_loss = (dis_B_real_loss + dis_B_fake_loss) * 0.5
dis_B_loss.backward()
dis_B_optimizer.step()