个人学习infoGAN infoGAN由于概率论知识有所遗忘和学习范围的覆盖程度不够,理解的不够透彻...其次这次目前我还没有推导整个模型中间特征图的全部变换
InfoGan论文:https://arxiv.org/pdf/1606.03657.pdf
参考:https://blog.csdn.net/z704630835/article/details/83211086
**https://blog.csdn.net/u011699990/article/details/71599067
https://zhuanlan.zhihu.com/p/73324607
https://blog.csdn.net/qq_43827595/article/details/121537291
所有GAN:https://github.com/pianomania/infoGAN-pytorch
学习完GAN和DCGAN还不够,因为他们有时候生成不出来特定数据,那么就需要学习一下CGAN或infoGAN,CGAN是在GAN的基础上加入了标签再训练,且是有监督学习,而infoGAN无监督
先简单看一下CGAN
CGAN 论文 https://arxiv.org/pdf/1411.1784.pdf
CGAN:将原始数据打上标签,将噪声z和标签y拼接在一起,然后作为生成器的输入,在生成MINIST的任务中,作者做法是,先生成100维度的均匀分布的噪声和one-hot类别标签y,然后将这两个数据分别映射到隐层(200、1000),然后将其拼接成一个1200维的向量,最后通过输出层输出784维的图片,对于Discriminator,则是将G生成的图片和图片标签作为两个隐藏层的输入,然后再将两个隐藏层的输出拼接再一起作为输出层的输入。
InfoGAN:通过非监督学习得到可分解的特征表示,作者在DCGAN生成器中除了原先的噪声z还增加了一个隐含编码c,提出了一个新的GAN模型—InfoGAN。Info代表互信息,它表示生成数据x与隐藏编码c之间关联程度的大小,为了使的x与c之间关联密切,所以我们需要最大化互信息的值,据此对原始GAN模型的值函数做了一点修改,相当于加了一个互信息的正则化项。是一个超参,通过之后的实验选择了一个最优值1。
结构:
目标:
当使用MINST数据集,10个数字对应10个特征时,结构如下
在InfoGAN中输入Generator的噪音z分成了两个部分:一部分是随机噪音z’,另一部分是由若干个隐向量拼接而成latent code c。
c里面的每个维度符合先验的概率分布,比如$categorical\ code\ c_1\sim Cat(K=10,p=0.1)$,two continuous codes
个人理解,我们相当于给G输入高斯噪音,以及上述几个满足不同分布的c1,c2,c3,G生成数据后,再给D(这里的D包括图中的Classifier和Discriminator,两者网路前段部分一体,在最后一层分开,分别预测c和真伪)判断真伪和C,训练迭代时,也分别有三个部分,训练G生成数据骗过D,训练D分辨G生成的数据,训练D还原用来生成G的c,最终,c按照其给定的分布将映射到数据某特征的分布,很明显,论文提到,c1的10个状态最终对应上了10个数字,我推测是因为c1因为服从的分布对应上了MINST10个数据的分布。
注:一般来说,服从Categorical Distribution的变量都是一个向量,并且是一个One-hot编码的形式,所以c1为10维 one-hot向量,one-hot就是用N位状态寄存器编码N个状态,每个状态都有独立的寄存器位,且这些寄存器位中只有一位有效。
推导:
转载自https://blog.csdn.net/qq_43827595/article/details/121537291
转载自https://blog.csdn.net/m0_62128864/article/details/123997832
CGAN论文里的图示
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_count=10):
return torch.eye(class_count)[x, :] # 切片选取,第一维选取第x个,第二维全要
transform =transforms.Compose([transforms.ToTensor(),
transforms.Normalize(0.5, 0.5)])
dataset = torchvision.datasets.MNIST('data',
train=True,
transform=transform,
target_transform=one_hot,
download=False)
dataloader = data.DataLoader(dataset, batch_size=64, shuffle=True)
# 定义生成器
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
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)
self.deconv1 = nn.ConvTranspose2d(256, 128,
kernel_size=(3, 3),
padding=1)
self.bn3 = nn.BatchNorm2d(128)
self.deconv2 = nn.ConvTranspose2d(128, 64,
kernel_size=(4, 4),
stride=2,
padding=1)
self.bn4 = nn.BatchNorm2d(64)
self.deconv3 = nn.ConvTranspose2d(64, 1,
kernel_size=(4, 4),
stride=2,
padding=1)
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)
x = torch.cat([x1, x2], axis=1)
x = F.relu(self.deconv1(x))
x = self.bn3(x)
x = F.relu(self.deconv2(x))
x = self.bn4(x)
x = torch.tanh(self.deconv3(x))
return x
# 定义判别器
# input:1,28,28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_size=3, stride=2)
self.conv2 = nn.Conv2d(64, 128, kernel_size=3, stride=2)
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):
x1 =F.leaky_relu(self.linear(x1))
x1 = x1.view(-1, 1, 28, 28)
x = torch.cat([x1, x2], axis=1)
x = F.dropout2d(F.leaky_relu(self.conv1(x)))
x = F.dropout2d(F.leaky_relu(self.conv2(x)))
x = self.bn(x)
x = x.view(-1, 128*6*6)
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(), lr=1e-5)
g_optim = torch.optim.Adam(gen.parameters(), lr=1e-4)
# 定义可视化函数
def generate_and_save_images(model, epoch, label_input, noise_input):
predictions = np.squeeze(model(label_input, noise_input).cpu().numpy())
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, cmap='gray')
plt.axis("off")
plt.show()
noise_seed = torch.randn(16, 100, device=device)
label_seed = torch.randint(0, 10, size=(16,))
label_seed_onehot = one_hot(label_seed).to(device)
print(label_seed)
# print(label_seed_onehot)
# 开始训练
D_loss = []
G_loss = []
# 训练循环
for epoch in range(150):
d_epoch_loss = 0
g_epoch_loss = 0
count = len(dataloader.dataset)
# 对全部的数据集做一次迭代
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, device=device)
d_optim.zero_grad()
real_output = dis(label, img)
d_real_loss = loss_function(real_output,
torch.ones_like(real_output, device=device)
)
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, device=device))
d_fake_loss.backward()
d_loss = d_real_loss + d_fake_loss
d_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, device=device))
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 /= count
g_epoch_loss /= count
D_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)