8
| 本文作者： 何之源 | 2017-01-22 10:10 |
雷鋒網(wǎng)注：本文作者何之源，復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)碩士在讀，研究人工智能計(jì)算機(jī)視覺方向。本文由雷鋒網(wǎng)編輯整理自作者知乎專欄，獲授權(quán)發(fā)布。
生成式對(duì)抗網(wǎng)絡(luò)（GAN）是近年來大熱的深度學(xué)習(xí)模型。最近正好有空看了這方面的一些論文，跑了一個(gè)GAN的代碼，于是寫了這篇文章來介紹一下GAN。
本文主要分為三個(gè)部分：
介紹原始的GAN的原理
同樣非常重要的DCGAN的原理
如何在Tensorflow跑DCGAN的代碼，生成如題圖所示的動(dòng)漫頭像，附送數(shù)據(jù)集哦 :-)
一、GAN原理介紹
說到GAN第一篇要看的paper當(dāng)然是Ian Goodfellow大牛的Generative Adversarial Networks，這篇paper算是這個(gè)領(lǐng)域的開山之作。
GAN的基本原理其實(shí)非常簡單，這里以生成圖片為例進(jìn)行說明。假設(shè)我們有兩個(gè)網(wǎng)絡(luò)，G（Generator）和D（Discriminator）。正如它的名字所暗示的那樣，它們的功能分別是：
G是一個(gè)生成圖片的網(wǎng)絡(luò)，它接收一個(gè)隨機(jī)的噪聲z，通過這個(gè)噪聲生成圖片，記做G(z)。
D是一個(gè)判別網(wǎng)絡(luò)，判別一張圖片是不是“真實(shí)的”。它的輸入?yún)?shù)是x，x代表一張圖片，輸出D（x）代表x為真實(shí)圖片的概率，如果為1，就代表100%是真實(shí)的圖片，而輸出為0，就代表不可能是真實(shí)的圖片。
在訓(xùn)練過程中，生成網(wǎng)絡(luò)G的目標(biāo)就是盡量生成真實(shí)的圖片去欺騙判別網(wǎng)絡(luò)D。而D的目標(biāo)就是盡量把G生成的圖片和真實(shí)的圖片分別開來。這樣，G和D構(gòu)成了一個(gè)動(dòng)態(tài)的“博弈過程”。
最后博弈的結(jié)果是什么？在最理想的狀態(tài)下，G可以生成足以“以假亂真”的圖片G(z)。對(duì)于D來說，它難以判定G生成的圖片究竟是不是真實(shí)的，因此D(G(z)) = 0.5。
這樣我們的目的就達(dá)成了：我們得到了一個(gè)生成式的模型G，它可以用來生成圖片。
以上只是大致說了一下GAN的核心原理，如何用數(shù)學(xué)語言描述呢？這里直接摘錄論文里的公式：
簡單分析一下這個(gè)公式：
整個(gè)式子由兩項(xiàng)構(gòu)成。x表示真實(shí)圖片，z表示輸入G網(wǎng)絡(luò)的噪聲，而G(z)表示G網(wǎng)絡(luò)生成的圖片。
D(x)表示D網(wǎng)絡(luò)判斷真實(shí)圖片是否真實(shí)的概率（因?yàn)閤就是真實(shí)的，所以對(duì)于D來說，這個(gè)值越接近1越好）。而D(G(z))是D網(wǎng)絡(luò)判斷G生成的圖片的是否真實(shí)的概率。
G的目的：上面提到過，D(G(z))是D網(wǎng)絡(luò)判斷G生成的圖片是否真實(shí)的概率，G應(yīng)該希望自己生成的圖片“越接近真實(shí)越好”。也就是說，G希望D(G(z))盡可能得大，這時(shí)V(D, G)會(huì)變小。因此我們看到式子的最前面的記號(hào)是min_G。
D的目的：D的能力越強(qiáng)，D(x)應(yīng)該越大，D(G(x))應(yīng)該越小。這時(shí)V(D,G)會(huì)變大。因此式子對(duì)于D來說是求最大(max_D)
下面這幅圖片很好地描述了這個(gè)過程：
那么如何用隨機(jī)梯度下降法訓(xùn)練D和G？論文中也給出了算法：
這里紅框圈出的部分是我們要額外注意的。第一步我們訓(xùn)練D，D是希望V(G, D)越大越好，所以是加上梯度(ascending)。第二步訓(xùn)練G時(shí)，V(G, D)越小越好，所以是減去梯度(descending)。整個(gè)訓(xùn)練過程交替進(jìn)行。
二、DCGAN原理介紹
我們知道深度學(xué)習(xí)中對(duì)圖像處理應(yīng)用最好的模型是CNN，那么如何把CNN與GAN結(jié)合？DCGAN是這方面最好的嘗試之一（點(diǎn)擊查看論文）
DCGAN的原理和GAN是一樣的，這里就不在贅述。它只是把上述的G和D換成了兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN）。但不是直接換就可以了，DCGAN對(duì)卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)做了一些改變，以提高樣本的質(zhì)量和收斂的速度，這些改變有：
取消所有pooling層。G網(wǎng)絡(luò)中使用轉(zhuǎn)置卷積（transposed convolutional layer）進(jìn)行上采樣，D網(wǎng)絡(luò)中用加入stride的卷積代替pooling。
在D和G中均使用batch normalization
去掉FC層，使網(wǎng)絡(luò)變?yōu)槿矸e網(wǎng)絡(luò)
G網(wǎng)絡(luò)中使用ReLU作為激活函數(shù)，最后一層使用tanh
D網(wǎng)絡(luò)中使用LeakyReLU作為激活函數(shù)
DCGAN中的G網(wǎng)絡(luò)示意：
三、DCGAN in Tensorflow
好了，上面說了一通原理，下面說點(diǎn)有意思的實(shí)踐部分的內(nèi)容。
DCGAN的原作者用DCGAN生成LSUN的臥室圖片，這并不是特別有意思。之前在網(wǎng)上看到一篇文章 Chainerで顔イラストの自動(dòng)生成 - Qiita ，是用DCGAN生成動(dòng)漫人物頭像的，效果如下：
這是個(gè)很有趣的實(shí)踐內(nèi)容?？上г氖怯肅hainer做的，這個(gè)框架使用的人不多。下面我們就在Tensorflow中復(fù)現(xiàn)這個(gè)結(jié)果。
1. 原始數(shù)據(jù)集的搜集
首先我們需要用爬蟲爬取大量的動(dòng)漫圖片，原文是在這個(gè)網(wǎng)站：http://safebooru.donmai.us/中爬取的。我嘗試的時(shí)候，發(fā)現(xiàn)在我的網(wǎng)絡(luò)環(huán)境下無法訪問這個(gè)網(wǎng)站，于是我就寫了一個(gè)簡單的爬蟲爬了另外一個(gè)著名的動(dòng)漫圖庫網(wǎng)站：konachan.net。
爬蟲代碼如下：
這個(gè)爬蟲大概跑了一天，爬下來12萬張圖片，大概是這樣的：
可以看到這里面的圖片大多數(shù)比較雜亂，還不能直接作為數(shù)據(jù)訓(xùn)練，我們需要用合適的工具，截取人物的頭像進(jìn)行訓(xùn)練。
2. 頭像截取
截取頭像和原文一樣，直接使用github上一個(gè)基于opencv的工具：nagadomi。
簡單包裝下代碼：
截取頭像后的人物數(shù)據(jù)：
這樣就可以用來訓(xùn)練了！
如果你不想從頭開始爬圖片，可以直接使用我爬好的頭像數(shù)據(jù)（275M，約5萬多張圖片）：百度云盤 提取碼：g5qa
3. 訓(xùn)練
DCGAN在Tensorflow中已經(jīng)有人造好了輪子：carpedm20/DCGAN，我們直接使用這個(gè)代碼就可以了。
不過原始代碼中只提供了有限的幾個(gè)數(shù)據(jù)庫，如何訓(xùn)練自己的數(shù)據(jù)？在model.py中我們找到讀數(shù)據(jù)的幾行代碼：
if config.dataset == 'mnist':
data_X, data_y = self.load_mnist()
else:
data = glob(os.path.join("./data", config.dataset, "*.jpg"))
這樣讀數(shù)據(jù)的邏輯就很清楚了，我們?cè)赿ata文件夾中再新建一個(gè)anime文件夾，把圖片直接放到這個(gè)文件夾里，運(yùn)行時(shí)指定--dataset anime即可。
運(yùn)行指令（參數(shù)含義：指定生成的圖片的尺寸為48x48，我們圖片的大小是96x96，跑300個(gè)epoch）：
python main.py --image_size 96 --output_size 48 --dataset anime --is_crop True --is_train True --epoch 300
4. 結(jié)果
第1個(gè)epoch跑完（只有一點(diǎn)點(diǎn)輪廓）：
第5個(gè)epoch之后的結(jié)果：
第10個(gè)epoch：
200個(gè)epoch，仔細(xì)看有些圖片確實(shí)是足以以假亂真的：
題圖是我從第300個(gè)epoch生成的。
四、總結(jié)和后續(xù)
簡單介紹了一下GAN和DCGAN的原理。以及如何使用Tensorflow做一個(gè)簡單的生成圖片的demo。
一些后續(xù)閱讀：
Ian Goodfellow對(duì)GAN一系列工作總結(jié)的ppt，確實(shí)精彩，推薦：GAN之父NIPS 2016演講現(xiàn)場直擊：全方位解讀生成對(duì)抗網(wǎng)絡(luò)的原理及未來
GAN論文匯總，包含code：zhangqianhui/AdversarialNetsPapers
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
