一、背景
对抗神经网络GAN最早是2014年Ian goodfellow等人[1]提出的一个新的神经网络模型。在这个模型中,通过生成器G和判别器D相互博弈,以提高模型自身的泛化性能,使得生成器G最终能够产生与真实样本接近的数据。
本实验以mnist数据集为例,尽可能的以最少的代码实现GAN。
文章链接:https://arxiv.org/pdf/1406.2661.pdf
二、GAN原理
GAN的原理在CSDN上的介绍非常多,本文不再做过多介绍,需要注意的就是GAN模型中没有用到卷积,只是简单的多层神经网络,因此也比较容易实现。附上部分介绍比较详细的链接:
GAN笔记——理论与实现 生成对抗网络(GAN)的理论与应用完整入门介绍
在文献(文章链接:https://arxiv.org/pdf/1406.2661.pdf)中,作者给出了对抗神经网络的伪代码:
GAN的结构可以简单表示为:
三、GAN的实现——以mnist数据集为例
1.数据准备
这里提供两种下载数据的方法,一种是到 http://yann.lecun.com/exdb/mnist 直接下载数据集,另一种是利用python代码下载。具体代码如下:
# mnist数据集下载,下载之后的文件在MNIST_data文件夹下
from tensorflow.examples.tutorials.mnist import input_data
data = input_data.read_data_sets('MNIST_data/')
下载完数据之后,所有数据为压缩包形式,我们需要对train数据进行解压:
为了方便后续处理,我们需要数据转换成numpy可以读取的格式,转换方法如下:
# 定义load_data()函数以读取数据
def load_data(data_path):
'''
函数功能:导出MNIST数据
输入: data_path 传入数据所在路径(解压后的数据)
输出: train_data 输出data,形状为(60000, 28, 28, 1)
train_label 输出label,形状为(60000, 1)
'''
f_data = open(os.path.join(data_path, 'train-images.idx3-ubyte'))
loaded_data = np.fromfile(file=f_data, dtype=np.uint8)
#前16个字符为说明符,需要跳过
train_data = loaded_data[16:].reshape((-1, 784)).astype(np.float)
f_label = open(os.path.join(data_path, 'train-labels.idx1-ubyte'))
loaded_label = np.fromfile(file=f_label, dtype=np.uint8)
#前8个字符为说明符,需要跳过
train_label = loaded_label[8:].reshape((-1)).astype(np.float)
return train_data, train_label
2. 定义GAN网络需要的超参数
超参数是指开始学习之前设置的参数,这一步主要作用是设置后面所需要的超参数即可。
# 导入需要的包
import os #读取路径下文件
import shutil #递归删除文件
import tensorflow as tf #编写神经网络
import numpy as np #矩阵运算操作
from skimage.io import imsave #保存影像
from tensorflow.examples.tutorials.mnist import input_data #第一次下载数据时用
# 图像的size为(28, 28, 1)
image_height = 28
image_width = 28
image_size = image_height * image_width
# 是否训练和存储设置
train = True
restore = False #是否存储训练结果
output_path = "./output/" #存储文件的路径
# 实验所需的超参数
max_epoch = 500
batch_size = 256
h1_size = 256 #第一隐藏层的size,即特征数
h2_size = 512 #第二隐藏层的size,即特征数
z_size = 128 #生成器的传入参数
3. 编写GAN的网络结构
GAN的网络结构包括两部分:生成器 generator 和判别器 discrimnator。
首先是生成器generator部分:
#导入tensorflow
import tensorflow as tf
#定义GAN的生成器
def generator(z_prior):
'''
函数功能:生成影像,参与训练过程
输入:z_prior, #输入tf格式,size为(batch_size, z_size)的数据
输出:x_generate, #生成图像
g_params, #生成图像的所有参数
'''
# 第一个链接层
#以2倍标准差stddev的截断的正态分布中生成大小为[z_size, h1_size]的随机值,权值weight初始化。
w1 = tf.Variable(tf.truncated_normal([z_size, h1_size], stddev=0.1), name="g_w1", dtype=tf.float32)
#生成大小为[h1_size]的0值矩阵,偏置bias初始化
b1 = tf.Variable(tf.zeros([h1_size]), name="g_b1", dtype=tf.float32)
#通过矩阵运算,将输入z_prior传入隐含层h1。激活函数为relu
h1 = tf.nn.relu(tf.matmul(z_prior, w1) + b1)
# 第二个链接层
#以2倍标准差stddev的截断的正态分布中生成大小为[h1_size, h2_size]的随机值,权值weight初始化。
w2 = tf.Variable(tf.truncated_normal([h1_size, h2_size], stddev=0.1), name="g_w2", dtype=tf.float32)
#生成大小为[h2_size]的0值矩阵,偏置bias初始化
b2 = tf.Variable(tf.zeros([h2_size]), name="g_b2", dtype=tf.float32)
#通过矩阵运算,将h1传入隐含层h2。激活函数为relu
h2 = tf.nn.relu(tf.matmul(h1, w2) + b2)
# 第三个链接层
#以2倍标准差stddev的截断的正态分布中生成大小为[h2_size, image_size]的随机值,权值weight初始化。
w3 = tf.Variable(tf.truncated_normal([h2_size, image_size], stddev=0.1), name="g_w3", dtype=tf.float32)
#生成大小为[image_size]的0值矩阵,偏置bias初始化
b3 = tf.Variable(tf.zeros([image_size]), name="g_b3", dtype=tf.float32)
#通过矩阵运算,将h2传入隐含层h3。
h3 = tf.matmul(h2, w3) + b3
#利用tanh激活函数,将h3传入输出层
x_generate = tf.nn.tanh(h3)
#将所有参数合并到一起
g_params = [w1, b1, w2, b2, w3, b3]
return x_generate, g_params
接下来是判别器discriminator的实现:
# 定义GAN的判别器
def discriminator(x_data, x_generated, keep_prob):
'''
函数功能:对输入数据进行判断,并保存其参数
输入:x_data, #输入的真实数据
x_generated, #生成器生成的虚假数据
keep_prob, #dropout率,防止过拟合
输出:y_data, #判别器对batch个数据的处理结果
y_generated, #判别器对余下数据的处理结果
d_params, #判别器的参数
'''
# 合并输入数据,包括真实数据x_data和生成器生成的假数据x_generated
x_in = tf.concat([x_data, x_generated], 0)
# 第一个链接层
#以2倍标准差stddev的截断的正态分布中生成大小为[image_size, h2_size]的随机值,权值weight初始化。
w1 = tf.Variable(tf.truncated_normal([image_size, h2_size], stddev=0.1), name="d_w1", dtype=tf.float32)
#生成大小为[h2_size]的0值矩阵,偏置bias初始化
b1 = tf.Variable(tf.zeros([h2_size]), name="d_b1", dtype=tf.float32)
#通过矩阵运算,将输入x_in传入隐含层h1.同时以一定的dropout率舍弃节点,防止过拟合
h1 = tf.nn.dropout(tf.nn.relu(tf.matmul(x_in, w1) + b1), keep_prob)
# 第二个链接层
#以2倍标准差stddev的截断的正态分布中生成大小为[h2_size, h1_size]的随机值,权值weight初始化。
w2 = tf.Variable(tf.truncated_normal([h2_size, h1_size], stddev=0.1), name="d_w2", dtype=tf.float32)
#生成大小为[h1_size]的0值矩阵,偏置bias初始化
b2 = tf.Variable(tf.zeros([h1_size]), name="d_b2", dtype=tf.float32)
#通过矩阵运算,将h1传入隐含层h2.同时以一定的dropout率舍弃节点,防止过拟合
h2 = tf.nn.dropout(tf.nn.relu(tf.matmul(h1, w2) + b2), keep_prob)
# 第三个链接层
#以2倍标准差stddev的截断的正态分布中生成大小为[h1_size, 1]的随机值,权值weight初始化。
w3 = tf.Variable(tf.truncated_normal([h1_size, 1], stddev=0.1), name="d_w3", dtype=tf.float32)
#生成0值,偏置bias初始化
b3 = tf.Variable(tf.zeros([1]), name="d_b3", dtype=tf.float32)
#通过矩阵运算,将h2传入隐含层h3
h3 = tf.matmul(h2, w3) + b3
#从h3中切出batch_size张图像
y_data = tf.nn.sigmoid(tf.slice(h3, [0, 0], [batch_size, -1], name=None))
#从h3中切除余下的图像
y_generated = tf.nn.sigmoid(tf.slice(h3, [batch_size, 0], [-1, -1], name=None))
#判别器的所有参数
d_params = [w1, b1, w2, b2, w3, b3]
return y_data, y_generated, d_params
定义完生成器和判别器之后,再添加一个显示结果的函数,可以在实验的过程中知道我们的训练情况:
#显示结果的函数
def show_result(batch_res, fname, grid_size=(8, 8), grid_pad=5):
'''
函数功能:输入相关参数,将运行结果以图片的形式保存到当前路径下
输入:batch_res, #输入数据
fname, #输入路径
grid_size=(8, 8), #默认输出图像为8*8张
grid_pad=5, #默认图像的边缘留白为5像素
输出:无
'''
#将batch_res进行值[0, 1]归一化,同时将其reshape成(batch_size, image_height, image_width)
batch_res = 0.5 * batch_res.reshape((batch_res.shape[0], image_height, image_width)) + 0.5
#重构显示图像格网的参数
img_h, img_w = batch_res.shape[1], batch_res.shape[2]
grid_h = img_h * grid_size[0] + grid_pad * (grid_size[0] - 1)
grid_w = img_w * grid_size[1] + grid_pad * (grid_size[1] - 1)
img_grid = np.zeros((grid_h, grid_w), dtype=np.uint8)
for i, res in enumerate(batch_res):
if i >= grid_size[0] * grid_size[1]:
break
img = (res) * 255.
img = img.astype(np.uint8)
row = (i // grid_size[0]) * (img_h + grid_pad)
col = (i % grid_size[1]) * (img_w + grid_pad)
img_grid[row:row + img_h, col:col + img_w] = img
#保存图像
imsave(fname, img_grid)
4.编写训练过程
训练过程的代码如下:
# 定义训练过程
def train():
'''
函数功能:训练整个GAN网络,并随机生成手写数字
输入:无
输出:sess.saver()
'''
# 加载数据
train_data, train_label = load_data("MNIST_data")
size = train_data.shape[0]
# 构建模型---------------------------------------------------------------------
# 定义GAN网络的输入,其中x_data为[batch_size, image_size], z_prior为[batch_size, z_size]
x_data = tf.placeholder(tf.float32, [batch_size, image_size], name="x_data") # (batch_size, image_size)
z_prior = tf.placeholder(tf.float32, [batch_size, z_size], name="z_prior") # (batch_size, z_size)
# 定义dropout率
keep_prob = tf.placeholder(tf.float32, name="keep_prob")
global_step = tf.Variable(0, name="global_step", trainable=False)
# 利用生成器生成数据x_generated和参数g_params
x_generated, g_params = generator(z_prior)
# 利用判别器判别生成器的结果
y_data, y_generated, d_params = discriminator(x_data, x_generated, keep_prob)
# 定义判别器和生成器的loss函数
d_loss = - (tf.log(y_data) + tf.log(1 - y_generated))
g_loss = - tf.log(y_generated)
# 设置学习率为0.0001,用AdamOptimizer进行优化
optimizer = tf.train.AdamOptimizer(0.0001)
# 判别器discriminator 和生成器 generator 对损失函数进行最小化处理
d_trainer = optimizer.minimize(d_loss, var_list=d_params)
g_trainer = optimizer.minimize(g_loss, var_list=g_params)
# 模型构建完毕--------------------------------------------------------------------
# 全局变量初始化
init = tf.global_variables_initializer()
# 启动会话sess
saver = tf.train.Saver()
sess = tf.Session()
sess.run(init)
# 判断是否需要存储
if restore:
#若是,将最近一次的checkpoint点存到outpath下
chkpt_fname = tf.train.latest_checkpoint(output_path)
saver.restore(sess, chkpt_fname)
else:
#若否,判断目录是存在,如果目录存在,则递归的删除目录下的所有内容,并重新建立目录
if os.path.exists(output_path):
shutil.rmtree(output_path)
os.mkdir(output_path)
# 利用随机正态分布产生噪声影像,尺寸为(batch_size, z_size)
z_sample_val = np.random.normal(0, 1, size=(batch_size, z_size)).astype(np.float32)
# 逐个epoch内训练
for i in range(sess.run(global_step), max_epoch):
# 图像每个epoch内可以放(size // batch_size)个size
for j in range(size // batch_size):
if j%20 == 0:
print("epoch:%s, iter:%s" % (i, j))
# 训练一个batch的数据
batch_end = j * batch_size + batch_size
if batch_end >= size:
batch_end = size - 1
x_value = train_data[ j * batch_size : batch_end ]
# 将数据归一化到[-1, 1]
x_value = x_value / 255.
x_value = 2 * x_value - 1
# 以正太分布的形式产生随机噪声
z_value = np.random.normal(0, 1, size=(batch_size, z_size)).astype(np.float32)
# 每个batch下,输入数据运行GAN,训练判别器
sess.run(d_trainer,
feed_dict={x_data: x_value, z_prior: z_value, keep_prob: np.sum(0.7).astype(np.float32)})
# 每个batch下,输入数据运行GAN,训练生成器
if j % 1 == 0:
sess.run(g_trainer,
feed_dict={x_data: x_value, z_prior: z_value, keep_prob: np.sum(0.7).astype(np.float32)})
# 每一个epoch中的所有batch训练完后,利用z_sample测试训练后的生成器
x_gen_val = sess.run(x_generated, feed_dict={z_prior: z_sample_val})
# 每一个epoch中的所有batch训练完后,显示生成器的结果,并打印生成结果的值
show_result(x_gen_val, os.path.join(output_path, "sample%s.jpg" % i))
print(x_gen_val)
# 每一个epoch中,生成随机分布以重置z_random_sample_val
z_random_sample_val = np.random.normal(0, 1, size=(batch_size, z_size)).astype(np.float32)
# 每一个epoch中,利用z_random_sample_val生成手写数字图像,并显示结果
x_gen_val = sess.run(x_generated, feed_dict={z_prior: z_random_sample_val})
show_result(x_gen_val, os.path.join(output_path, "random_sample%s.jpg" % i))
# 保存会话
sess.run(tf.assign(global_step, i + 1))
saver.save(sess, os.path.join(output_path, "model"), global_step=global_step)
5. 训练
编辑好了上述所有文件之后,这一步只需输入这样的代码,直接训练即可:
if __name__ == '__main__':
if train:
train()
四、实验结果
实验1个epoch的结果:
实验10个epoch的结果:
实验50个epoch的结果:
实验100个epoch的结果:
实验300个epoch的结果:
从实验结果可以看出,当进行100个epoch时,GAN已经能够生成较为清晰的影像。
五、分析
1.实验进行GAN实验时,是将二维MNSIT数据拉伸成了一维数据进行处理,且GAN模型中没有用到卷积,只是多层神经网络的叠加,实现相对容易。
2.GAN的生成器和判别器中使用不同的激活函数。
3.当epoch=0的时候,所有的生成结果看起来非常类似?
这其实是错觉,我把图像放大并截取了出来,大家可以仔细看左上角红色框和右上角黄色框的结果,仔细看还是可以看出区别的,并非所有的结果都是一样的。
至于为什么epoch=0的时候所有的生成结果非常类似,我个人觉得是因为学习次数太少,generator可能只学到了一点点特征,并偶然欺骗到了discriminator,这样所有的生成结果就会向这个特征靠拢,这也就导致了第一次生成的结果非常类似。随着训练次数增多,generator逐渐学到了更多特征,生成的结果才慢慢表现出了明显的差异。
4.整个代码的结构为:
import...
from skimage.io import imsave #保存影像
#from tensorflow.examples.tutorials.mnist import input_data #第一次下载数据时解注释
#data = input_data.read_data_sets('MNIST_data/') #第一次下载数据时解注释
#设置超参数
image_height = ...
...
#定义load_data()函数以读取数据
def load_data(data_path):...
#定义GAN的生成器
def generator(z_prior):...
#定义GAN的判别器
def discriminator(x_data, x_generated, keep_prob):...
#显示结果的函数
def show_result(batch_res, fname, grid_size=(8, 8), grid_pad=5):...
#定义训练过程
def train():...
if __name__ == '__main__':
if train:
train