网站落地页和普通网页,公司网站建设需要考虑什么问题,html编辑器推荐,做网站开发的营业执照文章目录 1项目介绍2参考文章3代码的实现过程及对代码的详细解析独热编码定义生成器定义判别器打印我们的引导信息模型训练迭代过程中生成的图片损失函数的变化 4总结5 模型相关的文件 1项目介绍
在GAN的基础上进行有条件的引导生成图片cgan
2参考文章
GAN实战之Pytorch 使用… 文章目录 1项目介绍2参考文章3代码的实现过程及对代码的详细解析独热编码定义生成器定义判别器打印我们的引导信息模型训练迭代过程中生成的图片损失函数的变化 4总结5 模型相关的文件 1项目介绍
在GAN的基础上进行有条件的引导生成图片cgan
2参考文章
GAN实战之Pytorch 使用CGAN生成指定MNIST手写数字 GANs系列CGAN(条件GAN原理简介以及项目代码实现
3代码的实现过程及对代码的详细解析 import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)import os
for dirname, _, filenames in os.walk(/kaggle/input):for filename in filenames:print(os.path.join(dirname, filename))
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代表默认的torchvision返回的类比值class_count类别值为10
def one_hot(x, class_count10):return torch.eye(class_count)[x, :] # 切片选取第一维选取第x个第二维全要torch.eye10函数的作用是生成一个10*10的对角矩阵 该函数的作用是得到第x个位置为1的独热编码如果传入为列表则得到一个矩阵 transform transforms.Compose([transforms.ToTensor(),transforms.Normalize(0.5, 0.5)])#minist数据集中的图片数据的维度是[batch_size, 1, 28, 28]其中batch_size是每个批次的图像数量。这个数据集中的每个图像都是28x28像素的灰度图像因此它们只有一个通道
dataset torchvision.datasets.MNIST(data,trainTrue,transformtransform,target_transformone_hot,downloadTrue)
#这里target_transform参数的作用是对标签进行转换。在这个例子中它的作用是将标签转换为one-hot编码。
dataloader data.DataLoader(dataset, batch_size64, shuffleTrue)
定义生成器 class Generator(nn.Module):def __init__(self):super(Generator, self).__init__()#因此这个函数的输入张量维度为[batch_size, 10]和[batch_size, 100]输出张量维度为[batch_size, 1, 1, 1]。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)#这个函数的作用是将一个输入张量进行反卷积操作得到一个输出张量。#nn.ConvTranspose2d函数的作用是将一个256通道的输入张量转换为一个128通道的输出张量使用3x3的卷积核进行卷积操作并在卷积操作后进行1像素的paddingself.deconv1 nn.ConvTranspose2d(256, 128,kernel_size(3, 3),padding1)self.bn3 nn.BatchNorm2d(128)self.deconv2 nn.ConvTranspose2d(128, 64,kernel_size(4, 4),stride2,padding1)self.bn4 nn.BatchNorm2d(64)self.deconv3 nn.ConvTranspose2d(64, 1,kernel_size(4, 4),stride2,padding1)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)#将两个处理后的结果拼接在一起得到形状为[64, 256, 7, 7]的张量x torch.cat([x1, x2], axis1)x F.relu(self.deconv1(x))#形状变为为[64, 128, 7, 7]的张量x self.bn3(x)x F.relu(self.deconv2(x))#形状变为为[64, 64, 14, 14]的张量x self.bn4(x)# 形状变为为[64, 1, 28, 28]的张量x torch.tanh(self.deconv3(x))return x生成器对数据的处理过程 这个函数对于输入张量[64, 1, 28, 28]的维度变化过程如下 输入张量维度为[64, 1, 28, 28] 经过线性变换和ReLU激活函数处理后得到两个形状为[64, 128 * 7 * 7]的张量 将两个张量分别通过BatchNorm1d进行归一化处理 将两个处理后的结果reshape成形状为[64, 128, 7, 7]的张量 将两个处理后的结果拼接在一起得到形状为[64, 256, 7, 7]的张量 经过反卷积操作得到输出张量维度为[64, 1, 28, 28]
定义判别器 # input:12828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_size3, stride2)self.conv2 nn.Conv2d(64, 128, kernel_size3, stride2)self.bn nn.BatchNorm2d(128)self.fc nn.Linear(128*6*6, 1) # 输出一个概率值def forward(self, x1, x2):#leak_relu激活函数它在输入小于0时返回一个小的斜率而在输入大于等于0时返回输入本身x1 F.leaky_relu(self.linear(x1))x1 x1.view(-1, 1, 28, 28)#torch.cat([x1, x2], axis1)函数将张量x1和张量x2沿着第二个维度即列拼接起来x torch.cat([x1, x2], axis1)#处理过后变为64,2,28,28x F.dropout2d(F.leaky_relu(self.conv1(x)))#维度变为64641313x F.dropout2d(F.leaky_relu(self.conv2(x)))#维度变为6412866x self.bn(x)x x.view(-1, 128*6*6)#最后键位了64*1(同时把值映射到0~1之间)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)# 损失计算函数
loss_function torch.nn.BCELoss()# 定义优化器
d_optim torch.optim.Adam(dis.parameters(), lr1e-5)
g_optim torch.optim.Adam(gen.parameters(), lr1e-4)
# 定义可视化函数
def generate_and_save_images(model, epoch, label_input, noise_input):#生成器生成取片label_input为输入的引导信息noise_input为随机的噪声点predictions np.squeeze(model(label_input, noise_input).cpu().numpy())#numpy.squeeze()函数的作用是去掉矩阵里维度为1的维度。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, cmapgray)plt.axis(off)from IPython.display import FileLinkplt.savefig(data/img/image_at_epoch_{:04d}.png.format(epoch))plt.show()
import os
os.makedirs(data/img)打印我们的引导信息
noise_seed torch.randn(16, 100, devicedevice)label_seed torch.randint(0, 10, size(16,))
label_seed_onehot one_hot(label_seed).to(device)print(label_seed)tensor([1, 3, 5, 4, 9, 3, 0, 0, 1, 3, 4, 5, 9, 2, 3, 7])模型训练
D_loss [] G_loss [] # 训练循环
for epoch in range(150):d_epoch_loss 0g_epoch_loss 0count len(dataloader.dataset)# 对全部的数据集做一次迭代#dataloader中的图像是四维的。在for循环中每次迭代会返回一个batch_size大小的数据#其中每个数据都是一个四维张量形状为[batch_size, channels, height, width]for step, (img, label) in enumerate(dataloader):img img.to(device)label label.to(device)size img.shape[0]random_noise torch.randn(size, 100, devicedevice)d_optim.zero_grad()real_output dis(label, img)d_real_loss loss_function(real_output,torch.ones_like(real_output, devicedevice))#torch.ones_like(real_output, devicedevice)函数的作用是生成一个与real_output形状相同的张量其中所有元素都为1。 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, devicedevice))d_fake_loss.backward()d_loss d_real_loss d_fake_lossd_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, devicedevice))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 / countg_epoch_loss / countD_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)print(epoch:{}/150.format(epoch))plt.plot(D_loss, labelD_loss)
plt.plot(G_loss, labelG_loss)
plt.legend()
plt.show()
迭代过程中生成的图片
迭代1次 迭代10次 迭代20次
迭代30次
迭代40次
迭代150次
损失函数的变化 4总结
cGAN相比于GAN而言将label的信息通过一系列的卷积操作和图像的信息融合在一起然后放进模型进行训练让我们的模型能和label相匹配的图像从而在我们给出制定的数字label时能够生成对应的数字图片实现了引导的过程。
5 模型相关的文件
模型的相关文件提取码ujki
本模型是放在kaggle中运行的kaggle的部署流程请参考在kaggle中用GPU训练模型
