论文部分
摘要
生成对抗网络是最近被引入的一种训练生成模型的新方式。
我们引入了一种生成对抗网络的条件版本，我们构造这个网络通过输入数据y, 想要同时限制生成器和判决器。
在MNIST数据集中，当Condition为label时，这个模型能够生成手写数字。
引入
生成对抗网络是最近被引入的一种变化的框架，对于训练生成模型去解决估计很多棘手的概率计算问题。
对抗网络相对于马尔科夫链有很多优势， 在获取梯度时仅仅使用了反向传播， 在学习的过程中不需要推断。
在一个没有限制的生成模型中，生成数据的模式不受控制。然而，通过额外的信息限制模型来指导数据生成过程是可行的。 这样的限制可以是类别标签。
相关工作
第一个问题是，尽管很多监督神经网络进来取得了很多成就， 但是输出类别很大的时候，做出预测是具有挑战性的。
第二个问题时， 很多的网络学习从输入到输出的一对一的映射关系。然而，很多有趣的问题时一个概率的一对多的映射问题。比如，给定一张图片，适合于这张图片的标签可能有很多， 不同的标注者会给这张图片不同的描述。
解决第一个问题的方式是充分利用额外的信息， 比如用自然语言语料集为标签去学习一个向量代表， 这个向量代表的几何关系是非常有语义意义的。在这些空间做出预测时，我们得到了这样的事实：预测的错误结果非常接近事实， 比如把桌子预测称椅子； 预测出在训练中没有见过的标签。实验表明即使是来自于图片中的简单线性映射关系，特征空间到词代表空间可以产生有提升的分类表现。
解决第二个问题的方式是使用一个条件概率的生成模型， 输入是带有条件的变量。
Conditional Adversarial Nets
Generative Adversarial Nets
生成对抗网络是最忌你被引入的一种训练生成模型的方式。 它们由两个对抗的模型组成：一个生成模型G， 它捕获数据分布； 一个判决模型D， 它评估一样本是来自训练数据和G产生的数据的概率。G和D都可以是非线性的映射关系，比如是一个多层感知机。
生成器的分布$p_g$去学习$x$的分布, 生成器从先验噪声分布$p_z(z)$建立一个一对多的映射关系到数据空间$G(z; \theta_g)$。
判决器$D(x; \theta_d)$， 输出一个标量代表$x$来自于训练集还是生成器的分布$p_g$的概率。
G和D同时进行训练： 我们调整参数为了使G的$log(1-D(G(z)))$最小化， 并且调整参数使D的$log(D(x))$最小化，就好像两个玩家在玩最小最大的游戏用以下的函数$V(G, D)$：
\[\min_G \max_D V(D, G) = E_{x \thicksim p_{data}(x)}[log D(x)] + E_{z \thicksim p_z(z)}[log(1 - D(G(z)))]\]Conditional Adversarial Nets
生成对抗网络可以被拓展为一个条件模型，如果生成器和判决器都被额外的信息y限制。 y可以是任意类型的辅助信息。 比如说类别标签。我们通过将y作为额外输入信息，同时输入生成器和判决器。
对于生成器的先验输入噪声$p_z(z)$， 和要加入的额外信息$y$, 对抗模型对它们的组合是允许非常灵活的。
对于判决器的$x$和$y$， 作为输入进入判决函数。
目标函数如下：
\[\min_G \max_D V(D, G) = E_{x \thicksim p_{data}(x)}[log D(x \mid y)] + E_{z \thicksim p_z(z)}[log[1 - D(G(z \mid y))]]\]
实现部分
引入相关包
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import argparse
import os
import numpy as np
import math
import torchvision.transforms as transforms
from torchvision.utils import save_image
from torch.utils.data import DataLoader
from torchvision import datasets
from torch.autograd import Variable
import torch.nn as nn
import torch.nn.functional as F
import torch
初始化参数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
os.makedirs("images", exist_ok=True)
parser = argparse.ArgumentParser()
parser.add_argument("--n_epochs", type=int, default=200, help="number of epochs of training")
parser.add_argument("--batch_size", type=int, default=64, help="size of the batches")
parser.add_argument("--lr", type=float, default=0.0002, help="adam: learning rate")
parser.add_argument("--b1", type=float, default=0.5, help="adam: decay of first order momentum of gradient")
parser.add_argument("--b2", type=float, default=0.999, help="adam: decay of first order momentum of gradient")
parser.add_argument("--n_cpu", type=int, default=8, help="number of cpu threads to use during batch generation")
parser.add_argument("--latent_dim", type=int, default=100, help="dimensionality of the latent space")
parser.add_argument("--n_classes", type=int, default=10, help="number of classes for dataset")
parser.add_argument("--img_size", type=int, default=32, help="size of each image dimension")
parser.add_argument("--channels", type=int, default=1, help="number of image channels")
parser.add_argument("--sample_interval", type=int, default=400, help="interval between image sampling")
opt = parser.parse_known_args()[0]
print(opt)
img_shape = (opt.channels, opt.img_size, opt.img_size)
cuda = True if torch.cuda.is_available() else False
生成器
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
# 10个词，每个词10维
# 起到标签转独热的作用
self.label_emb = nn.Embedding(opt.n_classes, opt.n_classes)
def block(in_feat, out_feat, normalize=True):
layers = [nn.Linear(in_feat, out_feat)]
if normalize:
layers.append(nn.BatchNorm1d(out_feat, 0.8))
layers.append(nn.LeakyReLU(0.2, inplace=True))
return layers
self.model = nn.Sequential(
# opt.latent_dim + opt.n_classes = 100 + 10 = 110
*block(opt.latent_dim + opt.n_classes, 128, normalize=False),
*block(128, 256),
*block(256, 512),
*block(512, 1024),
# np.prod(img_shape)： 1x28x28 = 784
nn.Linear(1024, int(np.prod(img_shape))),
nn.Tanh()
)
def forward(self, noise, labels):
# Concatenate label embedding and image to produce input
gen_input = torch.cat((self.label_emb(labels), noise), -1)
img = self.model(gen_input)
# img_shape: 1x28x28
img = img.view(img.size(0), *img_shape)
return img
判决器
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
class Discriminator(nn.Module):
def __init__(self):
super(Discriminator, self).__init__()
self.label_embedding = nn.Embedding(opt.n_classes, opt.n_classes)
self.model = nn.Sequential(
# np
nn.Linear(opt.n_classes + int(np.prod(img_shape)), 512),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(512, 512),
nn.Dropout(0.4),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(512, 512),
nn.Dropout(0.4),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(512, 1),
)
def forward(self, img, labels):
# Concatenate label embedding and image to produce input\
# img.size: 64x1x28x28 -> 64 x 784
# label size: 64x10
d_in = torch.cat((img.view(img.size(0), -1), self.label_embedding(labels)), -1)
validity = self.model(d_in)
return validity
损失函数及优化器
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
# Loss functions
adversarial_loss = torch.nn.MSELoss()
# Initialize generator and discriminator
generator = Generator()
discriminator = Discriminator()
if cuda:
generator.cuda()
discriminator.cuda()
adversarial_loss.cuda()
# Configure data loader
os.makedirs("../data", exist_ok=True)
dataloader = torch.utils.data.DataLoader(
datasets.MNIST(
"../data",
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,
)
# Optimizers
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
训练
1
2
3
4
5
6
7
8
9
10
11
12
def sample_image(n_row, batches_done):
"""Saves a grid of generated digits ranging from 0 to n_classes"""
# Sample noise
z = Variable(FloatTensor(np.random.normal(0, 1, (n_row ** 2, opt.latent_dim))))
# Get labels ranging from 0 to n_classes for n rows
# 循环十次产生0~9
labels = 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)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
# ----------
# Training
# ----------
for epoch in range(opt.n_epochs):
for i, (imgs, labels) in enumerate(dataloader):
batch_size = imgs.shape[0]
# Adversarial ground truths
valid = Variable(FloatTensor(batch_size, 1).fill_(1.0), requires_grad=False)
fake = Variable(FloatTensor(batch_size, 1).fill_(0.0), requires_grad=False)
# Configure input
real_imgs = Variable(imgs.type(FloatTensor))
labels = Variable(labels.type(LongTensor))
# -----------------
# Train Generator
# -----------------
optimizer_G.zero_grad()
# Sample noise and labels as generator input
# z shape: 64 x 100
z = Variable(FloatTensor(np.random.normal(0, 1, (batch_size, opt.latent_dim))))
# label shape: 64
# randint: low, high, size
gen_labels = Variable(LongTensor(np.random.randint(0, opt.n_classes, batch_size)))
# Generate a batch of images
gen_imgs = generator(z, gen_labels)
# Loss measures generator's ability to fool the discriminator
# gen_imgs size: 64x1x28x28
# gen_labels size: 64
validity = discriminator(gen_imgs, gen_labels)
g_loss = adversarial_loss(validity, valid)
g_loss.backward()
optimizer_G.step()
# ---------------------
# Train Discriminator
# ---------------------
optimizer_D.zero_grad()
# Loss for real images
validity_real = discriminator(real_imgs, labels)
d_real_loss = adversarial_loss(validity_real, valid)
# Loss for fake images
validity_fake = discriminator(gen_imgs.detach(), gen_labels)
d_fake_loss = adversarial_loss(validity_fake, fake)
# Total discriminator loss
d_loss = (d_real_loss + d_fake_loss) / 2
d_loss.backward()
optimizer_D.step()
print(
"[Epoch %d/%d] [Batch %d/%d] [D loss: %f] [G loss: %f]"
% (epoch, opt.n_epochs, i, len(dataloader), d_loss.item(), g_loss.item())
)
batches_done = epoch * len(dataloader) + i
if batches_done % opt.sample_interval == 0:
sample_image(n_row=10, batches_done=batches_done)
实验结果
Reference
- Mirza M, Osindero S. Conditional generative adversarial nets[J]. arXiv preprint arXiv:1411.1784, 2014.
- PyTorch-GAN/implementations/cgan/cgan.py
