使用SAGAN生成二次元人物头像(GAN生成对抗网络)--pytorch实现

Rabbitdeng1009

于 2021-08-16 15:13:14 发布

阅读量2k

点赞数 9

分类专栏：深度学习 GAN 文章标签：人工智能深度学习 pytorch 计算机视觉生成对抗网络

本文链接：https://blog.youkuaiyun.com/qq_41103479/article/details/119733294

版权

本文介绍了使用自注意力机制改进的生成对抗网络（GAN），解决了传统GAN训练速度慢的问题。通过自注意力模块，模型能更好地捕捉全局特征，如人脸结构。分享了生成器和辨别器代码，并提供GitHub链接进行预训练模型获取和自定义训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这是训练250epoch左右的成果。

之前的文章里面，我们使用了残差网络的形式实现生成器与辨别器，它理论上可以实现很不错的效果，但有一个很致命的缺点，就是训练太慢，很难见到成果。

这一次，我们实现了一个利用自注意力机制制作的对抗生成网络。自注意力机制是我们在深度学习道路上，除了RNN,CNN以外，不得不了解的一种模块。非常有意思。简而言之，这个模块，相比于之前单纯使用卷积网络的GAN，它更加能注重上下文，举个例子，在生成人物眼睛的时候，它会注意到鼻子👃，头发等其他部位，从而将眼睛放在合适的位置，总之，能更好的学习到整体特征。

以下是生成器的代码。注意attn1与attn2层都是我们的自注意力模块，其他是我们所熟悉的DCGAN中使用过的反卷积。默认生成64*64像素的图片，如果想修改图片大小，请修改image_size，以及，后面层次中的channel大小以及selfattention的参数。

class Generator(nn.Module):
  def __init__(self, image_size = 64, z_dim = 100, conv_dim =64):
    super().__init__()
    repeat_num = int(np.log2(image_size)) - 3
    mult = 2 **

最低0.47元/天解锁文章