🍨 本文为：[🔗365天深度学习训练营] 中的学习记录博客
🍖 原作者：[K同学啊 | 接辅导、项目定制]
一、 基础配置
- 语言环境：Python3.8
- 编译器选择：Pycharm
- 深度学习环境：
-
- torch==1.12.1+cu113
- torchvision==0.13.1+cu113
二、 代码细节
1.配置代码：
python
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
# 创建保存生成图像的文件夹
os.makedirs("images", exist_ok=True)
# 使用 argparse 解析命令行参数
parser = argparse.ArgumentParser()
parser.add_argument("--n_epochs", type=int, default=50, help="训练的轮数")
parser.add_argument("--batch_size", type=int, default=64, help="每个批次的样本数量")
parser.add_argument("--lr", type=float, default=0.0002, help="Adam 优化器的学习率")
parser.add_argument("--b1", type=float, default=0.5, help="Adam 优化器的第一个动量衰减参数")
parser.add_argument("--b2", type=float, default=0.999, help="Adam 优化器的第二个动量衰减参数")
parser.add_argument("--n_cpu", type=int, default=8, help="用于批次生成的 CPU 线程数")
parser.add_argument("--latent_dim", type=int, default=100, help="潜在空间的维度")
parser.add_argument("--num_classes", type=int, default=10, help="数据集的类别数")
parser.add_argument("--img_size", type=int, default=32, help="每个图像的尺寸（高度和宽度相等）")
parser.add_argument("--channels", type=int, default=1, help="图像的通道数（灰度图像通道数为 1）")
parser.add_argument("--sample_interval", type=int, default=400, help="图像采样间隔")
# opt = parser.parse_args() #如果有这行代码，项目不适合用jupyter notebook运行
opt = parser.parse_args([]) #有这行代码，项目才适合在jupyter notebook运行，就是多加了'[]'
print(opt)
# 如果 GPU 可用，则使用 CUDA 加速
cuda = True if torch.cuda.is_available() else False2.初始化权重
python
def weights_init_normal(m):
classname = m.__class__.__name__
if classname.find("Conv") != -1:
torch.nn.init.normal_(m.weight.data, 0.0, 0.02)
elif classname.find("BatchNorm") != -1:
torch.nn.init.normal_(m.weight.data, 1.0, 0.02)
torch.nn.init.constant_(m.bias.data, 0.0)3.定义算法模型
python
import torch.nn as nn
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
# 创建一个标签嵌入层，用于将条件标签映射到潜在空间
self.label_emb = nn.Embedding(opt.num_classes, opt.latent_dim)
# 初始化图像尺寸，用于上采样之前
self.init_size = opt.img_size // 4 # Initial size before upsampling
# 第一个全连接层，将随机噪声映射到合适的维度
self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2))
# 生成器的卷积块
self.conv_blocks = nn.Sequential(
nn.BatchNorm2d(128),
nn.Upsample(scale_factor=2),
nn.Conv2d(128, 128, 3, stride=1, padding=1),
nn.BatchNorm2d(128, 0.8),
nn.LeakyReLU(0.2, inplace=True),
nn.Upsample(scale_factor=2),
nn.Conv2d(128, 64, 3, stride=1, padding=1),
nn.BatchNorm2d(64, 0.8),
nn.LeakyReLU(0.2, inplace=True),
nn.Conv2d(64, opt.channels, 3, stride=1, padding=1),
nn.Tanh(),
)
def forward(self, noise):
out = self.l1(noise)
out = out.view(out.shape[0], 128, self.init_size, self.init_size)
img = self.conv_blocks(out)
return img
class Discriminator(nn.Module):
def __init__(self):
super(Discriminator, self).__init__()
def discriminator_block(in_filters, out_filters, bn=True):
"""返回每个鉴别器块的层"""
block = [nn.Conv2d(in_filters, out_filters, 3, 2, 1), nn.LeakyReLU(0.2, inplace=True), nn.Dropout2d(0.25)]
if bn:
block.append(nn.BatchNorm2d(out_filters, 0.8))
return block
# 鉴别器的卷积块
self.conv_blocks = nn.Sequential(
*discriminator_block(opt.channels, 16, bn=False),
*discriminator_block(16, 32),
*discriminator_block(32, 64),
*discriminator_block(64, 128),
)
# 下采样图像的高度和宽度
ds_size = opt.img_size // 2 ** 4
# 输出层
self.adv_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, 1), nn.Sigmoid()) # 用于鉴别真假的输出层
self.aux_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, opt.num_classes + 1), nn.Softmax()) # 用于鉴别类别的输出层
def forward(self, img):
out = self.conv_blocks(img)
out = out.view(out.shape[0], -1)
validity = self.adv_layer(out)
label = self.aux_layer(out)
return validity, label4.配置模型
python
# 定义损失函数
adversarial_loss = torch.nn.BCELoss() # 二元交叉熵损失，用于对抗训练
auxiliary_loss = torch.nn.CrossEntropyLoss() # 交叉熵损失，用于辅助分类
# 初始化生成器和鉴别器
generator = Generator() # 创建生成器实例
discriminator = Discriminator() # 创建鉴别器实例
# 如果使用GPU，将模型和损失函数移至GPU上
if cuda:
generator.cuda()
discriminator.cuda()
adversarial_loss.cuda()
auxiliary_loss.cuda()
# 初始化模型权重
generator.apply(weights_init_normal) # 初始化生成器的权重
discriminator.apply(weights_init_normal) # 初始化鉴别器的权重
# 配置数据加载器
os.makedirs("../../data/mnist", exist_ok=True) # 创建存储MNIST数据集的文件夹
dataloader = torch.utils.data.DataLoader(
datasets.MNIST(
"../../data/mnist",
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,
)
# 优化器
optimizer_G = torch.optim.Adam(generator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2)) # 生成器的优化器
optimizer_D = torch.optim.Adam(discriminator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2)) # 鉴别器的优化器
# 根据是否使用GPU选择数据类型
FloatTensor = torch.cuda.FloatTensor if cuda else torch.FloatTensor
LongTensor = torch.cuda.LongTensor if cuda else torch.LongTensor5.训练模型
python
for epoch in range(opt.n_epochs):
for i, (imgs, labels) in enumerate(dataloader):
batch_size = imgs.shape[0]
# 定义对抗训练的标签
valid = Variable(FloatTensor(batch_size, 1).fill_(1.0), requires_grad=False) # 用于真实样本
fake = Variable(FloatTensor(batch_size, 1).fill_(0.0), requires_grad=False) # 用于生成样本
fake_aux_gt = Variable(LongTensor(batch_size).fill_(opt.num_classes), requires_grad=False) # 用于生成样本的类别标签
# 配置输入数据
real_imgs = Variable(imgs.type(FloatTensor)) # 真实图像
labels = Variable(labels.type(LongTensor)) # 真实类别标签
# -----------------
# 训练生成器
# -----------------
optimizer_G.zero_grad()
# 采样噪声和类别标签作为生成器的输入
z = Variable(FloatTensor(np.random.normal(0, 1, (batch_size, opt.latent_dim))))
# 生成一批图像
gen_imgs = generator(z)
# 计算生成器的损失，衡量生成器欺骗鉴别器的能力
validity, _ = discriminator(gen_imgs)
g_loss = adversarial_loss(validity, valid)
g_loss.backward()
optimizer_G.step()
# ---------------------
# 训练鉴别器
# ---------------------
optimizer_D.zero_grad()
# 真实图像的损失
real_pred, real_aux = discriminator(real_imgs)
d_real_loss = (adversarial_loss(real_pred, valid) + auxiliary_loss(real_aux, labels)) / 2
# 生成图像的损失
fake_pred, fake_aux = discriminator(gen_imgs.detach())
d_fake_loss = (adversarial_loss(fake_pred, fake) + auxiliary_loss(fake_aux, fake_aux_gt)) / 2
# 总的鉴别器损失
d_loss = (d_real_loss + d_fake_loss) / 2
# 计算鉴别器准确率
pred = np.concatenate([real_aux.data.cpu().numpy(), fake_aux.data.cpu().numpy()], axis=0)
gt = np.concatenate([labels.data.cpu().numpy(), fake_aux_gt.data.cpu().numpy()], axis=0)
d_acc = np.mean(np.argmax(pred, axis=1) == gt)
d_loss.backward()
optimizer_D.step()
batches_done = epoch * len(dataloader) + i
if batches_done % opt.sample_interval == 0:
save_image(gen_imgs.data[:25], "images/%d.png" % batches_done, nrow=5, normalize=True)
print(
"[Epoch %d/%d] [Batch %d/%d] [D loss: %f, acc: %d%%] [G loss: %f]"
% (epoch, opt.n_epochs, i, len(dataloader), d_loss.item(), 100 * d_acc, g_loss.item())
)训练结果：
python
[Epoch 0/25] [Batch 937/938] [D loss: 1.385939, acc: 50%] [G loss: 0.701609]
[Epoch 1/25] [Batch 937/938] [D loss: 1.338483, acc: 50%] [G loss: 0.765781]
[Epoch 2/25] [Batch 937/938] [D loss: 1.376594, acc: 50%] [G loss: 0.846153]
[Epoch 3/25] [Batch 937/938] [D loss: 1.362730, acc: 50%] [G loss: 0.757394]
[Epoch 4/25] [Batch 937/938] [D loss: 1.326441, acc: 50%] [G loss: 0.772761]
[Epoch 5/25] [Batch 937/938] [D loss: 1.340760, acc: 48%] [G loss: 0.665047]
[Epoch 6/25] [Batch 937/938] [D loss: 1.333687, acc: 48%] [G loss: 0.748504]
[Epoch 7/25] [Batch 937/938] [D loss: 1.294556, acc: 54%] [G loss: 0.879324]
[Epoch 8/25] [Batch 937/938] [D loss: 1.317895, acc: 53%] [G loss: 0.887023]
[Epoch 9/25] [Batch 937/938] [D loss: 1.306100, acc: 46%] [G loss: 0.597359]
[Epoch 10/25] [Batch 937/938] [D loss: 1.347990, acc: 53%] [G loss: 0.764840]
[Epoch 11/25] [Batch 937/938] [D loss: 1.346703, acc: 56%] [G loss: 0.945171]
[Epoch 12/25] [Batch 937/938] [D loss: 1.380648, acc: 50%] [G loss: 0.775915]
[Epoch 13/25] [Batch 937/938] [D loss: 1.328255, acc: 48%] [G loss: 0.965016]
[Epoch 14/25] [Batch 937/938] [D loss: 1.278813, acc: 50%] [G loss: 0.769445]
[Epoch 15/25] [Batch 937/938] [D loss: 1.331486, acc: 57%] [G loss: 1.238098]
[Epoch 16/25] [Batch 937/938] [D loss: 1.274705, acc: 51%] [G loss: 0.571626]
[Epoch 17/25] [Batch 937/938] [D loss: 1.303192, acc: 53%] [G loss: 0.718424]
[Epoch 18/25] [Batch 937/938] [D loss: 1.280945, acc: 51%] [G loss: 0.806941]
[Epoch 19/25] [Batch 937/938] [D loss: 1.424190, acc: 45%] [G loss: 0.751810]
[Epoch 20/25] [Batch 937/938] [D loss: 1.432695, acc: 51%] [G loss: 1.154112]
[Epoch 21/25] [Batch 937/938] [D loss: 1.277963, acc: 50%] [G loss: 1.125491]
[Epoch 22/25] [Batch 937/938] [D loss: 1.304427, acc: 53%] [G loss: 0.687048]
[Epoch 23/25] [Batch 937/938] [D loss: 1.314362, acc: 56%] [G loss: 1.512709]
[Epoch 24/25] [Batch 937/938] [D loss: 1.358855, acc: 54%] [G loss: 0.802958]
Process finished with exit code 0首轮输出的图像：
末轮输出的图像：
三、理论基础
1. SCAN概述
SGAN（Spectral Generative Adversarial Networks）是一种生成对抗网络（GAN）的变体，它在训练过程中引入了谱正则化（spectral normalization）技术。GAN是一种深度学习模型，由生成器（Generator）和判别器（Discriminator）组成，它们通过相互对抗的方式训练，生成器试图生成逼真的样本，而判别器试图区分真实样本和生成样本。
在传统的GAN中，生成器和判别器的训练过程可能会遇到梯度消失或梯度爆炸的问题，导致训练不稳定。为了解决这个问题，SGAN通过谱正则化技术对判别器的权重进行约束，使判别器的谱范数（spectral norm）不超过一个预定义的常数，从而保证训练过程的稳定性。
SGAN的架构如下：
**1. 生成器（Generator）：**生成器的作用是接收一个随机噪声向量，通过一系列的卷积层和激活函数生成逼真的样本。生成器的输入是一个随机噪声向量，输出是一个与真实数据具有相同形状的样本。
**2. 判别器（Discriminator）：**判别器的作用是接收一个样本，判断它是真实样本还是生成样本。判别器的输入是一个样本，输出是一个标量，表示样本的真实性。在SGAN中，判别器的权重通过谱正则化技术进行约束，以保证训练过程的稳定性。
3. 谱正则化（Spectral Normalization）： 谱正则化是一种权重正则化技术，它通过对判别器的权重进行约束，使判别器的谱范数不超过一个预定义的常数。谱范数是一个矩阵的奇异值的最大值，它可以衡量矩阵的最大放大能力。通过限制谱范数，可以防止判别器在训练过程中变得过于强大，从而导致生成器无法生成逼真的样本。
在训练过程中，生成器和判别器交替进行训练。生成器尝试生成逼真的样本，而判别器尝试区分真实样本和生成样本。通过多次迭代训练，生成器和判别器的性能逐渐提高，最终生成器可以生成逼真的样本，判别器可以准确地区分真实样本和生成样本。
2.谱正则化
谱正则化（SpectralNormalization）是一种用于提高生成对抗网络（GAN）训练稳定性的技术。在GAN中，生成器（Generator）和判别器（Discriminator）相互对抗，生成器试图生成逼真的样本，而判别器试图区分真实样本和生成样本。然而，GAN的训练过程往往是不稳定的，其中一个原因是判别器可能变得过于强大，导致生成器的梯度消失，使得生成器无法有效地学习如何生成逼真的样本。
3.SGAN和GAN的对比
SCAN的优点： 提高了卷积神经网络的泛化能力和稳定性。 可以直接应用于传统的监督学习任务，如图像分类和物体检测。
SCAN的缺点： 相对于其他正则化技术，谱正则化可能会增加计算成本。 主要关注于卷积神经网络的性能改进，而不是数据生成。
GAN的优点： 能够生成逼真的图像和数据，适用于需要模拟数据的场景。 具有很高的灵活性，可以通过修改架构和损失函数来适应不同的应用。 可以用于无监督学习和半监督学习任务。
**GAN的缺点：**训练过程不稳定，容易出现模式崩溃（Mode Collapse）等问题。 需要大量的数据和计算资源进行训练。 调整和优化GAN模型需要丰富的经验和实验。