【百战GAN】适合所有人的第一个GAN项目：DCGAN图像生成代码实战

大家好，欢迎来到专栏《百战GAN》，在这个专栏里，我们会进行GAN相关项目的核心思想讲解，代码的详解，模型的训练和测试等内容。

作者&编辑 | 言有三

本文资源与生成结果展示

本文篇幅：4000字

背景要求：会使用Python和Pytorch

附带资料：参考论文和项目

1 项目背景

GAN无疑是这几年深度学习领域里最酷的技术，不管是理论的研究，还是GAN在图像生成，图像翻译，语音图像等基础领域的应用，都非常的丰富。我们公众号从很早以前开始就输出过非常多的GAN相关资源，包括免费与付费的视频课，知识星球中的GAN模型原理解读专题，公众号的GAN付费专栏，大家可以阅读下面的文章了解详情。

【CV秋季划】生成对抗网络GAN有哪些研究和应用，如何循序渐进地学习好（2022年言有三一对一辅导）？

2 项目解读

为了让大家能够快速上手，本次我们给大家介绍一个非常适合新手入门的项目，使用DCGAN来进行图片生成，项目效果如文章开头的图片。

2.1 数据获取

本次我们完成一个人脸表情图像生成的任务，使用的数据集也是多次在咱们的项目中出现过的数据集，我们选择了其中一类表情的数据，如下：

数据的读取非常简单，直接使用torchvision的ImageFolder接口即可，与我们以前介绍过的图像分类任务相同，核心代码如下，不再赘述。

## 读取数据

dataroot = "mouth/"

dataset = datasets.ImageFolder(root=dataroot,

                           transform=transforms.Compose([

                               transforms.Resize(image_size),

                               transforms.CenterCrop(image_size),

                               transforms.ToTensor(),

                               transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),

                           ]))

dataloader = torch.utils.data.DataLoader(dataset, batch_size=batch_size,

                                         shuffle=True, num_workers=workers)

不熟悉的朋友可以阅读：【CV实战】年轻人的第一个深度学习CV项目应该是什么样的？（支持13大深度学习开源框架）

2.2 判别器定义

接下来我们再看判别器的定义，它就是一个图像分类模型，与原始DCGAN论文中的参数配置略有差异。

class Discriminator(nn.Module):

    def __init__(self, ndf=64, nc=3):

        super(Discriminator, self).__init__()

        self.ndf = ndf

        self.nc = nc

        self.main = nn.Sequential(

            # 输入图片大小 (nc) x 64 x 64，输出 (ndf) x 32 x 32

            nn.Conv2d(nc, ndf, 4, 2, 1, bias=False),

            nn.LeakyReLU(0.2, inplace=True),

            # 输入(ndf) x 32 x 32，输出(ndf*2) x 16 x 16

            nn.Conv2d(ndf, ndf * 2, 4, 2, 1, bias=False),

            nn.BatchNorm2d(ndf * 2),

            nn.LeakyReLU(0.2, inplace=True),

            # 输入(ndf*2) x 16 x 16，输出 (ndf*4) x 8 x 8

            nn.Conv2d(ndf * 2, ndf * 4, 4, 2, 1, bias=False),

            nn.BatchNorm2d(ndf * 4),

            nn.LeakyReLU(0.2, inplace=True),

            # 输入(ndf*4) x 8 x 8，输出(ndf*8) x 4 x 4

            nn.Conv2d(ndf * 4, ndf * 8, 4, 2, 1, bias=False),

            nn.BatchNorm2d(ndf * 8),

            nn.LeakyReLU(0.2, inplace=True),

            # 输入(ndf*8) x 4 x 4，输出1 x 1 x 1

            nn.Conv2d(ndf * 8, 1, 4, 1, 0, bias=False),

            nn.Sigmoid()

        )

    def forward(self, input):

        return self.main(input)

以上代码定义了一个包含5层卷积，其中前面4个卷积层的卷积核大小为4×4，宽和高的步长等于2，使用了padding技术，padding大小为1，每经过一次卷积，图像长宽都降低为原来的1/2。每一个卷积层后都跟随一个batch normalization层和lrelu层。

输出层也是一个卷积层，其特征图大小空间尺寸为4×4，卷积核大小也是4×4，所以输出空间层维度为1，使用sigmoid激活函数，输出就是一个0到1之间的概率值。

2.3 生成器定义

接下来我们再看生成器的定义，它输入一维的噪声向量，输出二维的图像。

## 定义生成器与判别器

class Generator(nn.Module):

    def __init__(self, nz=100, ngf=64, nc=3):

        super(Generator, self).__init__()

        self.ngf = ngf

        self.nz = nz

        self.nc = nc

        self.main = nn.Sequential(

            # 输入噪声向量Z，(ngf*8) x 4 x 4特征图

            nn.ConvTranspose2d( nz, ngf * 8, 4, 1, 0, bias=False),

            nn.BatchNorm2d(ngf * 8),

            nn.ReLU(True),

            # 输入(ngf*8) x 4 x 4特征图，输出(ngf*8) x 4 x 4

            nn.ConvTranspose2d(ngf * 8, ngf * 4, 4, 2, 1, bias=False),

            nn.BatchNorm2d(ngf * 4),

            nn.ReLU(True),

            # 输入(ngf*4) x 8 x 8，输出(ngf*2) x 16 x 16

            nn.ConvTranspose2d( ngf * 4, ngf * 2, 4, 2, 1, bias=False),

            nn.BatchNorm2d(ngf * 2),

            nn.ReLU(True),

            # 输入(ngf*2) x 16 x 16，输出(ngf) x 32 x 32

            nn.ConvTranspose2d( ngf * 2, ngf, 4, 2, 1, bias=False),

            nn.BatchNorm2d(ngf),

            nn.ReLU(True),

            # 输入(ngf) x 32 x 32，输出(nc) x 64 x 64

            nn.ConvTranspose2d( ngf, nc, 4, 2, 1, bias=False),

            nn.Tanh()

        )

    def forward(self, input):

        return self.main(input)

可以看出，总共包含5个上采样层。其中前4个上采样层后接有BN层，和ReLU层。第一个上采样层将输入的一维噪声向量经过一个上采样层生成4×4大小的图，然后经过后面的4个上采样层得到输出。前面4层的激活函数为ReLU，最后一层的激活函数为Tanh。

2.4 优化目标与方法定义

损失函数使用了BCE交叉熵损失，真样本和假样本标签分别为1和0。

# 损失函数

criterion = nn.BCELoss()

# 真假标签

real_label = 1.0

fake_label = 0.0

判别器和生成器都采用了Adam方法作为优化器，且使用了同样的配置，定义如下：

lr = 0.0003

beta1 = 0.5

optimizerD = optim.Adam(netD.parameters(), lr=lr, betas=(beta1, 0.999))

optimizerG = optim.Adam(netG.parameters(), lr=lr, betas=(beta1, 0.999))

3 模型训练

接下来进行模型训练，添加可视化部分，缓存中间结果，核心的迭代代码如下：

for epoch in range(num_epochs):

    lossG = 0.0

    lossD = 0.0

    for i, data in enumerate(dataloader, 0):

        ############################

        # (1) Update D network: maximize log(D(x)) + log(1 - D(G(z)))

        ###########################

        ## 训练真实图片

        netD.zero_grad()

        real_data = data[0].to(device)

        b_size = real_data.size(0)

        label = torch.full((b_size,), real_label, device=device)

        output = netD(real_data).view(-1)

        # 计算真实图片损失，梯度反向传播

        errD_real = criterion(output, label)

        errD_real.backward()

        D_x = output.mean().item()

        ## 训练生成图片

        # 产生latent vectors

        noise = torch.randn(b_size, nz, 1, 1, device=device)

        # 使用G生成图片

        fake = netG(noise)

        label.fill_(fake_label)

        output = netD(fake.detach()).view(-1)

        # 计算生成图片损失，梯度反向传播

        errD_fake = criterion(output, label)

        errD_fake.backward()

        D_G_z1 = output.mean().item()

        # 累加误差，参数更新

        errD = errD_real + errD_fake

        optimizerD.step()

        ############################

        # (2) Update G network: maximize log(D(G(z)))

        ###########################

        netG.zero_grad()

        label.fill_(real_label)  # 给生成图赋标签

        # 对生成图再进行一次判别

        output = netD(fake).view(-1)

        # 计算生成图片损失，梯度反向传播

        errG = criterion(output, label)

        errG.backward()

        D_G_z2 = output.mean().item()

        optimizerG.step()

        # Output training stats

        if i % 50 == 0:

            print('[%d/%d][%d/%d]\tLoss_D: %.4f\tLoss_G: %.4f\tD(x): %.4f\tD(G(z)): %.4f / %.4f'

                  % (epoch, num_epochs, i, len(dataloader),

                     errD.item(), errG.item(), D_x, D_G_z1, D_G_z2))

        # 存储损失

        nbatch = nbatch + 1

        lossG = lossG + errG.item()

        lossD = lossD + errD.item()

        # 对固定的噪声向量，存储生成的结果

        if (iters % 20 == 0) or ((epoch == num_epochs-1) and (i == len(dataloader)-1)):

            with torch.no_grad():

                fake = netG(fixed_noise).detach().cpu()

            img_list.append(vutils.make_grid(fake, padding=2, normalize=True))

            i = vutils.make_grid(fake, padding=2, normalize=True)

            fig = plt.figure(figsize=(8, 8))

            plt.imshow(np.transpose(i, (1, 2, 0)))

            plt.axis('off')  # 关闭坐标轴

            plt.savefig("out/%d_%d.png" % (epoch, iters))

            plt.close(fig)

        iters += 1

    writer.add_scalar('data/lossG', lossG, epoch)

    writer.add_scalar('data/lossD', lossD, epoch)

torch.save(netG.state_dict(),'models/netG.pt')

训练结果曲线如下：

由于标准GAN的损失与模型的生成结果之间的关系不像以前介绍的任务那么直观，我们应该以实际生成的图片结果为准，下面从左到右分别是第0，10，100个epoch的生成结果。

从图结果来看，随着训练的进行，逐渐生成了许多有意义且非常逼真的样本，在10个epoch的时候生成图片都有明显的瑕疵，到100个epoch时已经开始生成一些逼真的样本。不过最终生成的图像仍然有一部分效果很差，这是因为DCGAN本身模型性能所限，后续可以使用更好的模型进行改进。

4 模型测试

上面已经训练好了模型，我们接下来的目标，就是要用它来做推理，真正把模型用起来。

import torch

import torch.nn as nn

import torchvision.utils as vutils

import matplotlib.pyplot as plt

from net import Generator

device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")

netG = Generator().to(device)

## 载入模型权重

modelpath = sys.argv[1] 

savepath = sys.argv[2] 

netG.load_state_dict(torch.load(modelpath,map_location=lambda storage,loc: storage))

netG.eval() ## 设置推理模式，使得dropout和batchnorm等网络层在train和val模式间切换

torch.no_grad() ## 停止autograd模块的工作，以起到加速和节省显存

nz = 100

for i in range(0,100):

    noise = torch.randn(64, nz, 1, 1, device=device)

    fake = netG(noise).detach().cpu()

    rows = vutils.make_grid(fake, padding=2, normalize=True)

    fig = plt.figure(figsize=(8, 8))

    plt.imshow(np.transpose(rows, (1, 2, 0)))

    plt.axis('off')  # 关闭坐标轴

    plt.savefig(os.path.join(savepath,"%d.png" % (i)))

    plt.close(fig)

推理的核心代码就是使用torch.load函数载入生成器模型，然后输入随机的噪声向量，得到生成的结果。

下面展示了一些结果。

从图中我们可以看到，总体的生成结果还是不错的，不过本次的任务还有许多可以提升的空间，包括但不限于：(1) 做更多的数据增强。(2) 改进模型。这些就留给读者去进行实验。

本文参考的文献如下：

[1] Radford A, Metz L, Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks[J]. arXiv preprint arXiv:1511.06434, 2015.

本文视频讲解和代码，请大家移步：

【项目实战课】基于Pytorch的DCGAN人脸嘴部表情图像生成实战

总结

本次我们使用DCGAN完成了人脸嘴唇图像生成任务，DCGAN是最基础的图像生成框架，是所有从事GAN相关领域工作的朋友必须掌握的内容，欢迎大家以后持续关注《百战GAN专栏》。

如何系统性地学习生成对抗网络GAN

欢迎大家关注有三AI-CV秋季划GAN小组，可以系统性学习GAN相关的内容，包括GAN的基础理论，《深度学习之图像生成GAN：理论与实践篇》，《深度学习之图像翻译GAN：理论与实践篇》以及各类GAN任务的实战。

介绍如下：【CV秋季划】生成对抗网络GAN有哪些研究和应用，如何循序渐进地学习好（2022年言有三一对一辅导）？

转载文章请后台联系

侵权必究

• 【CV夏季划】2022年正式入夏，从理论到实践，如何系统性进阶CV？（产学研一体的超硬核培养方式）

• 【CV秋季划】模型算法与落地很重要，如何循序渐进地学习好（2022年言有三一对一辅导）？

• 【CV秋季划】人脸算法那么多，如何循序渐进地学习好？

• 【CV秋季划】图像质量提升与编辑有哪些研究和应用，如何循序渐进地学习好？

• 【CV冬季划】终极进阶，超30个项目实战+3本书+3年知识星球