On this page

    ☰

    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

    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

    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

    
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

    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

    # 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

    
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)


    
# ----------
#  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

    1. Mirza M, Osindero S. Conditional generative adversarial nets[J]. arXiv preprint arXiv:1411.1784, 2014.
    2. PyTorch-GAN/implementations/cgan/cgan.py