阅读提示：本篇文章的代码为在普通GAN代码上实现人脸图片生成的修改，文章内容仅包含修改内容，全部代码讲解需结合下面的文章阅读。
相关资料链接为：使用PyTorch构建GAN生成对抗
本次训练代码使用了本地GPU计算。

1 CelebADataset类的修改

原则上这一类不需要修改，但为了提升模型运行速度，可以对图片周边适当裁剪，保留五官等重要内容。

# 设置裁剪功能（辅助函数）
def crop_centre(img, new_width, new_height):height, width, _ = img.shapestartx = width//2 - new_width//2starty = height//2 - new_height//2return img[  starty:starty + new_height, startx:startx + new_width, :]

上面这个函数可以用来从图像的中心裁剪。该函数接收三个参数：

img：原始图像，需要是 numpy 数组形式
new_width：裁剪后图像的新宽度
new_height：裁剪后图像的新高度

该函数通过计算原始图像的中心位置，以及所需裁剪图像的起始位置，从而在 numpy 数组上实现裁剪。最后，函数返回裁剪后的图像。
有了这个函数后，可以在类中预置对图像的裁剪功能，需要对类的__getitem__方法和plot_image方法进行优化。

class CelebADataset(Dataset):def __getitem__(self, index):if index >= len(self.dataset):raise IndexError()img = numpy.array(self.dataset[str(index) + '.jpg'])img = crop_centre(img, 128, 128)return torch.cuda.FloatTensor(img).permute(2,0,1).view(1,3,128,128) / 255.0def plot_image(self, index):img = numpy.array(self.dataset[str(index)+'.jpg'])img = crop_centre(img, 128, 128)plt.imshow(img, interpolation='nearest')

2 鉴别器类的修改

鉴别器的网络结构是卷积GAN需要重点修改的地方。此次的卷积GAN设置了3个卷积层和1个全连接层。

class Discriminator(nn.Module):def __init__(self):   self.model = nn.Sequential(nn.Conv2d(3, 256, kernel_size=8, stride=2),nn.BatchNorm2d(256),nn.LeakyReLU(0.2),nn.Conv2d(256, 256, kernel_size=8, stride=2),nn.BatchNorm2d(256),nn.LeakyReLU(0.2),nn.Conv2d(256, 3, kernel_size=8, stride=2),nn.LeakyReLU(0.2),View(3*10*10),nn.Linear(3*10*10, 1),nn.Sigmoid())

经过裁剪的图片的小为128*128；
第一个卷积层使用了256个卷积核，每个卷积核大小为8，步长为2。这一卷积层将会输出256个特征图，特征图的大小为 128−82+1\frac{128-8}{2}+12128−8+1 ，即61*61；
第二个卷积层使用了256个卷积核，每个卷积核大小为8，步长为2。这一卷积层将会输出256个特征图，特征图的大小为 61−82+1\frac{61-8}{2}+1261−8+1 ，即27*27；
第二个卷积层使用了3个卷积核，每个卷积核大小为8，步长为2。这一卷积层将会输出3个特征图，特征图的大小为 27−82+1\frac{27-8}{2}+1227−8+1 ，即10*10；
经过了3层的卷积后，图片的大小已经降到了（3*10*10）。

3 鉴别器测试

修改完鉴别器之后，可以使用真实图像和随即图像，初步判断鉴别器的能力与测试这部分修改后的代码是否存在BUG。

# 鉴别器类建立
D = Discriminator()
D.to(device)# 测试鉴别器
for image_data_tensor in celeba_dataset:# real dataD.train(image_data_tensor, torch.cuda.FloatTensor([1.0]))# fake dataD.train(generate_random_image((1,3,128,128)), torch.cuda.FloatTensor([0.0]))pass

同样，可以查看损失函数的变化情况并使用测试集进行测试。

for image_data_tensor in celeba_dataset:# real dataD.train(image_data_tensor, torch.cuda.FloatTensor([1.0]))# fake dataD.train(generate_random_image((1,3,128,128)), torch.cuda.FloatTensor([0.0]))passD.plot_progress()for i in range(4):image_data_tensor = celeba_dataset[random.randint(0,20000)]print( D.forward( image_data_tensor ).item() )passfor i in range(4):print( D.forward( generate_random_image((1,3,128,128))).item() )pass

可以看出，鉴别器对于数据的判断非常有信息。

之后还需对生成器进行同步修改，并使用代码生成图像，这部分内容将放在下篇。
使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成下

此部分的完整代码可在文末留言申请或在博主的资源区自行下载。

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成上相关推荐

使用PyTorch构建GAN生成对抗网络源码（详细步骤讲解+注释版）02 人脸识别下
文章目录 1 测试鉴别器 2 建立生成器 3 测试生成器 4 训练生成器 5 使用生成器 6 内存查看上一节,我们已经建立好了模型所必需的鉴别器类与Dataset类. 使用PyTorch构建GAN生 ...
使用PyTorch构建GAN生成对抗网络源码（详细步骤讲解+注释版）02 人脸识别上
文章目录 1 数据集描述 2 GPU设置 3 设置Dataset类 4 设置辨别器类 5 辅助函数与辅助类 1 数据集描述此项目使用的是著名的celebA(CelebFaces Attribute) ...
使用PyTorch构建神经网络（详细步骤讲解+注释版） 01-建立分类器类
文章目录 1 数据准备 2 数据预览 3 简单神经网络创建 3.1 设计网络结构 3.2 损失函数相关设置 3.3 向网络传递信息 3.4 定义训练函数train 4 函数汇总 1 数据准备神经网络 ...
使用PyTorch构建GAN生成对抗网络源码（详细步骤讲解+注释版）01 手写字体识别
文章目录 1 生成对抗网络基本概念 2 生成对抗网络建模 2.1 建立MnistDataset类 2.2 建立鉴别器 2.3 测试鉴别器 2.4 Mnist生成器制作 3 模型的训练 4 模型表现的判 ...
编译和安装gdb源码详细步骤介绍
1.gdb源码下载 (1)源码下载网址:https://ftp.gnu.org/gnu/gdb/: (2)本文下面的编译是按照8.2版本的源码进行的,其余版本的源码可能会报错,需要自行解决: 2.编译 ...
MTCNN源码详细解读（1）- PNet/RNet/ONet的网络结构和损失函数
代码地址 https://github.com/AITTSMD/MTCNN-Tensorflow 这里我就不在进行MTCNN的介绍了.分析的再清楚都不如从源码的实现去分析. Talk is cheap ...
SpringMVC+Maven开发项目源码详细介绍
代码地址如下: http://www.demodashi.com/demo/11638.html Spring MVC概述 Spring MVC框架是一个开源的Java平台,为开发强大的基于Java的 ...
spark word2vec 源码详细解析
spark word2vec 源码详细解析简单介绍spark word2vec skip-gram 层次softmax版本的源码解析 word2vec 的原理只需要看层次哈弗曼树skip-gram ...
低CUDA算力显卡用上高版本pytorch（ubuntu18.04源码编译特定版本pytorch（v1.10.0））
低CUDA算力显卡用上高版本pytorch(ubuntu18.04源码编译特定版本pytorch(v1.10.0)) 一电脑配置二正常情况下源码编译步骤三我的编译过程及出现的问题首先安装 ...

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成上

1 CelebADataset类的修改

2 鉴别器类的修改

3 鉴别器测试

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成上相关推荐

最新文章

热门文章

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成 上

1 CelebADataset类的修改

2 鉴别器类的修改

3 鉴别器测试

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成 上相关推荐

最新文章

热门文章

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成上

使用PyTorch构建卷积GAN源码（详细步骤讲解+注释版） 02人脸图片生成上相关推荐