基于pytorch的dcgan代码实现，进行简易图像数据生成

简易实现使用dcgan进行图像数据生成

前言：个人电脑算力有限(2G现显存GPU)，现使用numpy自生成1维图像数据，dcgan生成对抗网络训练50轮（花费不到20min），生成fake image已肉眼难分。

生成结果如下：

1. 导入

   import torchvision
   import torchvision.transforms as transform
   from torchvision.datasets import ImageFolder
   import torchvision.utils as vutils
   
   import torch
   import torch.nn as nn
   from torch.utils.data import DataLoader
   from torch.nn import BCELoss
   from torch.optim import Adam,SGD
   
   
   import matplotlib.pyplot as plt
   from matplotlib import animation # 用于生成gif图像
   import numpy as np
   

2. 训练参数设置

   # 参数设置
   images_num = 3000 # 生成训练图像数量
   image_size = 32 # 生成图像尺寸
   image_channel = 1 # 生成图像通道数
   
   batch_size = 128 # 训练数据批次
   noise_size = 100 # 随机噪声分布向量长度，用于生成fake image
   
   lr = 0.0002 # 学习率
   epochs = 50 # 训练轮次
   device =  torch.device('cuda' if torch.cuda.is_available() else 'cpu')
   

3. 批量生成图像训练集

   # 1 生成简易图像数据集
   def gen_images():
       
       image = np.ones(shape=(image_size,image_size))-np.random.rand(image_size,image_size)/10
       min_x = np.random.choice(range(3,8))
       max_x = np.random.choice(range(25,30))
       values = np.random.rand(1)/10
       for i in range(min_x,max_x):
           row =i;col= int(np.power((i/max_x-0.55)*2,2)*max_x)+3
           image[col,row]=values;image[col+2,row]=values;image[col+2,row]=values
       return image
   
   # 创建图像数据集
   class Images:
       
       def __init__(self):
           self.len_ = images_num
       
       def __getitem__(self,index):
           return torch.from_numpy(gen_images()).unsqueeze(dim=0).float(),''
       
       def __len__(self):
           return self.len_
   
   # 生产批数据图像  
   images = Images()
   dataloader = DataLoader(dataset=images,batch_size=batch_size,shuffle=True,drop_last=True)
   
   # 生成图像显示
   real_batch = next(iter(dataloader))
   fig,axs = plt.subplots()
   fig.set_size_inches(w=12,h=8)
   axs.imshow(vutils.make_grid(tensor=real_batch[0][:64],nrow=8,padding