从零开始学keras之生成对抗网络GAN

生成对抗网络主要分为生成器网络和判别器网络。

生成器网络：他以一个随机向量（潜在空间的一个随机点）作为输入，并将其解码成一张合成图像。
判别器网络：以一张图像（真实的或合成的均可）作为输入，并预测该图像是来自训练集还是生成器网络创建。

本节将会介绍如何用 Keras 来实现形式最简单的 GAN。GAN 属于高级应用，所以本书不会深入介绍其技术细节。我们具体实现的是一个深度卷积生成式对抗网络（DCGAN，deep convolutional GAN），即生成器和判别器都是深度卷积神经网络的 GAN。特别地，它在生成器中使用 Conv2DTranspose 层进行图像上采样。我们将在 CIFAR10 数据集的图像上训练 GAN，这个数据集包含 50 000 张 32×32 的 RGB图像，这些图像属于 10 个类别（每个类别 5000 张图像）。为了简化，我们只使用属于“frog”（青蛙）类别的图像。

GAN 的简要实现流程如下所示。

(1) generator 网络将形状为 (latent_dim,) 的向量映射到形状为 (32, 32, 3) 的图像。
(2) discriminator 网络将形状为 (32, 32, 3) 的图像映射到一个二进制分数，用于评估图像为真的概率。
(3) gan 网络将 generator 网络和 discriminator 网络连接在一起：gan(x) = discriminator (generator(x))。生成器将潜在空间向量解码为图像，判别器对这些图像的真实性进行评估，因此这个 gan 网络是将这些潜在向量映射到判别器的评估结果。
(4) 我们使用带有“真”/“假”标签的真假图像样本来训练判别器，就和训练普通的图像分类模型一样。
(5) 为了训练生成器，我们要使用 gan 模型的损失相对于生成器权重的梯度。这意味着，在每一步都要移动生成器的权重，其移动方向是让判别器更有可能将生成器解码的图像划分为“真”。换句话说，我们训练生成器来欺骗判别器。

训练gan的技巧

训练 GAN 和调节 GAN 实现的过程非常困难。你应该记住一些公认的技巧。与深度学习中的大部分内容一样，这些技巧更像是炼金术而不是科学，它们是启发式的指南，并没有理论的支持。这些技巧得到了一定程度的来自对现象的直观理解的支持，经验告诉我们，它们的效果都很好，但不一定适用于所有情况。

下面是本节实现 GAN 生成器和判别器时用到的一些技巧。这里并没有列出与 GAN 相关的全部技巧，更多技巧可查阅关于 GAN 的文献。

我们使用 tanh 作为生成器最后一层的激活，而不用 sigmoid，后者在其他类型的模型中更加常见。
我们使用正态分布（高斯分布）对潜在空间中的点进行采样，而不用均匀分布。
随机性能够提高稳健性。训练 GAN 得到的是一个动态平衡，所以 GAN 可能以各种方式“卡住”。在训练过程中引入随机性有助于防止出现这种情况。我们通过两种方式引入随机性：一种是在判别器中使用 dropout，另一种是向判别器的标签添加随机噪声。
稀疏的梯度会妨碍 GAN 的训练。在深度学习中，稀疏性通常是我们需要的属性，但在GAN 中并非如此。有两件事情可能导致梯度稀疏：最大池化运算和 ReLU 激活。我们推荐使用步进卷积代替最大池化来进行下采样，还推荐使用 LeakyReLU 层来代替 ReLU 激活。LeakyReLU 和 ReLU 类似，但它允许较小的负数激活值，从而放宽了稀疏性限制。
在生成的图像中，经常会见到棋盘状伪影，这是由生成器中像素空间的不均匀覆盖导致的。为了解决这个问题，每当在生成器和判别器中都使用步进的 Conv2DTranpose 或 Conv2D 时，使用的内核大小要能够被步幅大小整除。

生成器

首先，我们来开发 generator 模型，它将一个向量（来自潜在空间，训练过程中对其随机采样）转换为一张候选图像。GAN 常见的诸多问题之一，就是生成器“卡在”看似噪声的生成图像上。一种可行的解决方案是在判别器和生成器中都使用 dropout。

import keras
from keras import layers
import numpy as nplatent_dim = 32
height = 32
width = 32
channels = 3generator_input = keras.Input(shape=(latent_dim,))# First, transform the input into a 16x16 128-channels feature map
# 将输入转换为大小为 16×16 的128 个通道的特征图x = layers.Dense(128 * 16 * 16)(generator_input)
x = layers.LeakyReLU()(x)
x = layers.Reshape((16, 16, 128))(x)# Then, add a convolution layer(添加一个卷积层)
x = layers.Conv2D(256, 5, padding='same')(x)
x = layers.LeakyReLU()(x)# Upsample to 32x32(上采样为 32×32)
x = layers.Conv2DTranspose(256, 4, strides=2, padding='same')(x)
x = layers.LeakyReLU()(x)# Few more conv layers
x = layers.Conv2D(256, 5, padding='same')(x)
x = layers.LeakyReLU()(x)
x = layers.Conv2D(256, 5, padding='same')(x)
x = layers.LeakyReLU()(x)# Produce a 32x32 1-channel feature map（生成一个大小为 32×32 的单通道特征图（即 CIFAR10 图像的形状））
x = layers.Conv2D(channels, 7, activation='tanh', padding='same')(x)
generator = keras.models.Model(generator_input, x)
#将生成器模型实例化，它将形状为 (latent_dim,)的输入映射到形状为 (32, 32, 3) 的图像
generator.summary()

判别器

接下来，我们来开发 discriminator 模型，它接收一张候选图像（真实的或合成的）作为输入，并将其划分到这两个类别之一：“生成图像”或“来自训练集的真实图像”

discriminator_input = layers.Input(shape=(height, width, channels))
x = layers.Conv2D(128, 3)(discriminator_input)
x = layers.LeakyReLU()(x)
x = layers.Conv2D(128, 4, strides=2)(x)
x = layers.LeakyReLU()(x)
x = layers.Conv2D(128, 4, strides=2)(x)
x = layers.LeakyReLU()(x)
x = layers.Conv2D(128, 4, strides=2)(x)
x = layers.LeakyReLU()(x)
x = layers.Flatten()(x)# One dropout layer - important trick!
# 一个 dropout 层：这是很重要的技巧
x = layers.Dropout(0.4)(x)# Classification layer（判别层）
x = layers.Dense(1, activation='sigmoid')(x)discriminator = keras.models.Model(discriminator_input, x)
discriminator.summary()# To stabilize training, we use learning rate decay
# and gradient clipping (by value) in the optimizer.
# 将判别器模型实例化，它将形状为 (32, 32, 3)的输入转换为一个二进制分类决策（真 / 假）discriminator_optimizer = keras.optimizers.RMSprop(lr=0.0008, clipvalue=1.0, decay=1e-8)# clipvalue=1.0：在优化器中使用梯度裁剪（限制梯度值的范围）
# decay=1e-8：为了稳定训练过程，使用学习率衰减
discriminator.compile(optimizer=discriminator_optimizer, loss='binary_crossentropy')

对抗网络

最后，我们要设置 GAN，将生成器和判别器连接在一起。训练时，这个模型将让生成器向某个方向移动，从而提高它欺骗判别器的能力。这个模型将潜在空间的点转换为一个分类决策（即 “真”或“假”），它训练的标签都是“真实图像”。因此，训练 gan 将会更新 generator 的权重，使得 discriminator 在观察假图像时更有可能预测为“真”。请注意，有一点很重要，就是在训练过程中需要将判别器设置为冻结（即不可训练），这样在训练 gan 时它的权重才不会更新。如果在此过程中可以对判别器的权重进行更新，那么我们就是在训练判别器始终预测“真”，但这并不是我们想要的！

# 将判别器权重设置为不可训练（仅应用于 gan 模型）
discriminator.trainable = Falsegan_input = keras.Input(shape=(latent_dim,))
gan_output = discriminator(generator(gan_input))
gan = keras.models.Model(gan_input, gan_output)gan_optimizer = keras.optimizers.RMSprop(lr=0.0004, clipvalue=1.0, decay=1e-8)
gan.compile(optimizer=gan_optimizer, loss='binary_crossentropy')

如何训练DCGAN

现在开始训练。再次强调一下，训练循环的大致流程如下所示。每轮都进行以下操作。

(1) 从潜在空间中抽取随机的点（随机噪声）。
(2) 利用这个随机噪声用 generator 生成图像。
(3) 将生成图像与真实图像混合。
(4) 使用这些混合后的图像以及相应的标签（真实图像为“真”，生成图像为“假”）来训练discriminator。
(5) 在潜在空间中随机抽取新的点。
(6) 使用这些随机向量以及全部是“真实图像”的标签来训练 gan。这会更新生成器的权重（只更新生成器的权重，因为判别器在 gan 中被冻结），其更新方向是使得判别器能够将生成图像预测为“真实图像”。这个过程是训练生成器去欺骗判别器。

import os
from keras.preprocessing import image# Load CIFAR10 data（加载 CIFAR10数据）
(x_train, y_train), (_, _) = keras.datasets.cifar10.load_data()# Select frog images (class 6)（选择青蛙图像（类别编号为 6））
x_train = x_train[y_train.flatten() == 6]# Normalize data（数据标准化）
x_train = x_train.reshape((x_train.shape[0],) + (height, width, channels)).astype('float32') / 255.iterations = 10000
batch_size = 20
save_dir = 'data/gan_images/'
# 指定保存生成 图像的目录# Start training loop（开始循环）
start = 0
for step in range(iterations):# Sample random points in the latent space（在潜在空间中采样随机点）random_latent_vectors = np.random.normal(size=(batch_size, latent_dim))# Decode them to fake images（将这些点解码为虚假图像）generated_images = generator.predict(random_latent_vectors)# Combine them with real images（将这些虚假图像与真实图像合在一起）stop = start + batch_sizereal_images = x_train[start: stop]combined_images = np.concatenate([generated_images, real_images])# Assemble labels discriminating real from fake images#合并标签，区分真实和虚假的图像labels = np.concatenate([np.ones((batch_size, 1)),np.zeros((batch_size, 1))])# Add random noise to the labels - important trick!#向标签中添加随机噪声，这是一个很重要的技巧labels += 0.05 * np.random.random(labels.shape)# Train the discriminator（训练判别器）d_loss = discriminator.train_on_batch(combined_images, labels)# sample random points in the latent space（在潜在空间中采样随机点）random_latent_vectors = np.random.normal(size=(batch_size, latent_dim))# Assemble labels that say "all real images"（合并标签，全部是“真实图像”（这是在撒谎，通过 gan 模型）misleading_targets = np.zeros((batch_size, 1))# Train the generator (via the gan model,# where the discriminator weights are frozen)#来训练生成器（此时冻结判别器权重）a_loss = gan.train_on_batch(random_latent_vectors, misleading_targets)start += batch_sizeif start > len(x_train) - batch_size:start = 0# Occasionally save / plotif step % 100 == 0:# Save model weights（保存模型权重）gan.save_weights('gan.h5')# Print metrics（将指标打印出来）print('discriminator loss at step %s: %s' % (step, d_loss))print('adversarial loss at step %s: %s' % (step, a_loss))# Save one generated image（保存一张生成图像）img = image.array_to_img(generated_images[0] * 255., scale=False)img.save(os.path.join(save_dir, 'generated_frog' + str(step) + '.png'))# Save one real image, for comparison（保存一张真实图像，用于对比）img = image.array_to_img(real_images[0] * 255., scale=False)img.save(os.path.join(save_dir, 'real_frog' + str(step) + '.png'))

下面展示生成的图像

import matplotlib.pyplot as plt# sample random points in the latent space（在潜在空间中采样随机点）
random_latent_vectors = np.random.normal(size=(10, latent_dim))# Decode them to fake images（将这些点解码为虚假图像）
generated_images = generator.predict(random_latent_vectors)for i in range(generated_images.shape[0]):img = image.array_to_img(generated_images[i] * 255., scale=False)plt.figure()plt.imshow(img)plt.show()