DCGAN论文笔记+源码解析

DCGAN论文笔记+源码解析

论文地址：UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS

源码地址：DCGAN in TensorFlow

DCGAN，Deep Convolutional Generative Adversarial Networks是生成对抗网络（Generative Adversarial Networks）的一种延伸，将卷积网络引入到生成式模型当中来做无监督的训练，利用卷积网络强大的特征提取能力来提高生成网络的学习效果。

DCGAN有以下特点：

1.在判别器模型中使用strided convolutions（跨步卷积）来替代空间池化（pooling），而在生成器模型中使用fractional strided convolutions，即deconv，反卷积层。

2.除了生成器模型的输出层和判别器模型的输入层，在网络其它层上都使用了Batch Normalization，使用BN可以稳定学习，有助于处理初始化不良导致的训练问题。

3.去除了全连接层，而直接使用卷积层连接生成器和判别器的输入层以及输出层。

4.在生成器的输出层使用Tanh激活函数，而在其它层使用ReLU；在判别器上使用leaky ReLU。

原论文中只给出了在LSUN实验上的生成器模型的结构图如下：

但是对于实验细节以及方法的介绍并不是很详细，于是便从源码入手来理解DCGAN的工作原理。

先看main.py：

1. with tf.Session(config=run_config) as sess:
2. if FLAGS.dataset == 'mnist':
3. dcgan = DCGAN(
4. sess,
5. input_width=FLAGS.input_width,
6. input_height=FLAGS.input_height,
7. output_width=FLAGS.output_width,
8. output_height=FLAGS.output_height,
9. batch_size=FLAGS.batch_size,
10. y_dim= 10,
11. c_dim= 1,
12. dataset_name=FLAGS.dataset,
13. input_fname_pattern=FLAGS.input_fname_pattern,
14. is_crop=FLAGS.is_crop,
15. checkpoint_dir=FLAGS.checkpoint_dir,
16. sample_dir=FLAGS.sample_dir)

因为我们使用DCGAN来生成MNIST数字手写体图像，注意这里的y_dim=10，表示0到9这10个类别，c_dim=1，表示灰度图像。

再看model.py：

1. def discriminator(self, image, y=None, reuse=False):
2. with tf.variable_scope( "discriminator") as scope:
3. if reuse:
4. scope.reuse_variables()
6. yb = tf.reshape(y, [self.batch_size, 1, 1, self.y_dim])
7. x = conv_cond_concat(image, yb)
9. h0 = lrelu(conv2d(x, self.c_dim + self.y_dim, name= 'd_h0_conv'))
10. h0 = conv_cond_concat(h0, yb)
12. h1 = lrelu(self.d_bn1(conv2d(h0, self.df_dim + self.y_dim, name= 'd_h1_conv')))
13. h1 = tf.reshape(h1, [self.batch_size, -1])
14. h1 = tf.concat_v2([h1, y], 1)
16. h2 = lrelu(self.d_bn2(linear(h1, self.dfc_dim, 'd_h2_lin')))
17. h2 = tf.concat_v2([h2, y], 1)
19. h3 = linear(h2, 1, 'd_h3_lin')
21. return tf.nn.sigmoid(h3), h3

这里batch_size=64，image的维度为[64 28 28 1]，y的维度是[64 10]，yb的维度[64 1 1 10]，x将image和yb连接起来，这相当于是使用了Conditional GAN，为图像提供标签作为条件信息，于是x的维度是[64 28 28 11]，将x输入到卷积层conv2d，conv2d的代码如下：

1. def conv2d(input_, output_dim,
2. k_h=5, k_w=5, d_h=2, d_w=2, stddev=0.02,
3. name="conv2d"):
4. with tf.variable_scope(name):
5. w = tf.get_variable( 'w', [k_h, k_w, input_.get_shape()[ -1], output_dim],
6. initializer=tf.truncated_normal_initializer(stddev=stddev))
7. conv = tf.nn.conv2d(input_, w, strides=[ 1, d_h, d_w, 1], padding= 'SAME')
9. biases = tf.get_variable( 'biases', [output_dim], initializer=tf.constant_initializer( 0.0))
10. conv = tf.reshape(tf.nn.bias_add(conv, biases), conv.get_shape())
12. return conv

卷积核的大小为5*5，stride为[1 2 2 1]，通过2的卷积步长可以替代pooling进行降维，padding=‘SAME’，则卷积的输出维度为[64 14 14 11]。然后使用batch normalization及leaky ReLU的激活层，输出与yb再进行concat，得到h0，维度为[64 14 14 21]。同理，h1的维度为[64  7*7*74+10]，h2的维度为[64 1024+10]，然后连接一个线性输出，得到h3，维度为[64 1]，由于我们希望判别器的输出代表概率，所以最终使用一个sigmoid的激活。

1. def generator(self, z, y=None):
2. with tf.variable_scope( "generator") as scope:
4. s_h, s_w = self.output_height, self.output_width
5. s_h2, s_h4 = int(s_h/ 2), int(s_h/ 4)
6. s_w2, s_w4 = int(s_w/ 2), int(s_w/ 4)
8. # yb = tf.expand_dims(tf.expand_dims(y, 1),2)
9. yb = tf.reshape(y, [self.batch_size, 1, 1, self.y_dim])
10. z = tf.concat_v2([z, y], 1)
12. h0 = tf.nn.relu(
13. self.g_bn0(linear(z, self.gfc_dim, 'g_h0_lin')))
14. h0 = tf.concat_v2([h0, y], 1)
16. h1 = tf.nn.relu(self.g_bn1(
17. linear(h0, self.gf_dim* 2*s_h4*s_w4, 'g_h1_lin')))
18. h1 = tf.reshape(h1, [self.batch_size, s_h4, s_w4, self.gf_dim * 2])
20. h1 = conv_cond_concat(h1, yb)
22. h2 = tf.nn.relu(self.g_bn2(deconv2d(h1,
23. [self.batch_size, s_h2, s_w2, self.gf_dim * 2], name= 'g_h2')))
24. h2 = conv_cond_concat(h2, yb)
26. return tf.nn.sigmoid(
27. deconv2d(h2, [self.batch_size, s_h, s_w, self.c_dim], name= 'g_h3'))

output_height和output_width为28，因此s_h和s_w为28，s_h2和s_w2为14，s_h4和s_w4为7。在这里z为平均分布的随机分布数，维度为[64 100]，y的维度为[64 10]，yb的维度是[64 1 1 10]，z与y进行一个concat得到[64 110]的tensor，输入到一个线性层，输出维度是[64 1024]，再经过batch normalization以及ReLU激活，并与y进行concat，输出h0的维度是[64 1034]，同样的再经过一个线性层输出维度为[64 128*7*7]，再进行reshape并与yb进行concat，得到h1，维度为[64 7 7 138]，然后输入到一个deconv2d，做一个反卷积，也就是文中说的fractional strided convolutions，再经过batch normalization以及ReLU激活，并与yb进行concat，输出h2的维度是[64 14 14 138]，最后再输入到deconv2d层以及sigmoid激活，得到生成器的输出，维度为[64 28 28 1]。

生成器以及判别器的输出：

1. self.G = self.generator(self.z, self.y)
2. self.D, self.D_logits = \
3. self.discriminator(inputs, self.y, reuse= False)
5. self.D_, self.D_logits_ = \
6. self.discriminator(self.G, self.y, reuse= True)

其中D表示真实数据的判别器输出，D_表示生成数据的判别器输出。

再看损失函数：

1. self.d_loss_real = tf.reduce_mean(
2. tf.nn.sigmoid_cross_entropy_with_logits(
3. logits=self.D_logits, targets=tf.ones_like(self.D)))
4. self.d_loss_fake = tf.reduce_mean(
5. tf.nn.sigmoid_cross_entropy_with_logits(
6. logits=self.D_logits_, targets=tf.zeros_like(self.D_)))
7. self.g_loss = tf.reduce_mean(
8. tf.nn.sigmoid_cross_entropy_with_logits(
9. logits=self.D_logits_, targets=tf.ones_like(self.D_)))

即对于真实数据，判别器的损失函数d_loss_real为判别器输出与1的交叉熵，而对于生成数据，判别器的损失函数d_loss_fake为输出与0的交叉熵，因此判别器的损失函数d_loss=d_loss_real+d_loss_fake；生成器的损失函数是g_loss判别器对于生成数据的输出与1的交叉熵。
优化器：

1. d_optim = tf.train.AdamOptimizer(config.learning_rate, beta1=config.beta1) \
2. .minimize(self.d_loss, var_list=self.d_vars)
3. g_optim = tf.train.AdamOptimizer(config.learning_rate, beta1=config.beta1) \
4. .minimize(self.g_loss, var_list=self.g_vars)

训练阶段：

1. for epoch in xrange(config.epoch):
2. batch_idxs = min(len(data_X), config.train_size) // config.batch_size
4. for idx in xrange( 0, batch_idxs):
6. batch_images = data_X[idx*config.batch_size:(idx+ 1)*config.batch_size]
7. batch_labels = data_y[idx*config.batch_size:(idx+ 1)*config.batch_size]
9. batch_images = np.array(batch).astype(np.float32)[:, :, :, None]
11. batch_z = np.random.uniform( -1, 1, [config.batch_size, self.z_dim]) \
12. .astype(np.float32)
14. # Update D network
15. _, summary_str = self.sess.run([d_optim, self.d_sum],
16. feed_dict={
17. self.inputs: batch_images,
18. self.z: batch_z,
19. self.y:batch_labels,
20. })
21. self.writer.add_summary(summary_str, counter)
23. # Update G network
24. _, summary_str = self.sess.run([g_optim, self.g_sum],
25. feed_dict={
26. self.z: batch_z,
27. self.y:batch_labels,
28. })
29. self.writer.add_summary(summary_str, counter)
31. # Run g_optim twice to make sure that d_loss does not go to zero (different from paper)
32. _, summary_str = self.sess.run([g_optim, self.g_sum],
33. feed_dict={ self.z: batch_z, self.y:batch_labels })
34. self.writer.add_summary(summary_str, counter)
36. errD_fake = self.d_loss_fake.eval({
37. self.z: batch_z,
38. self.y:batch_labels
39. })
40. errD_real = self.d_loss_real.eval({
41. self.inputs: batch_images,
42. self.y:batch_labels
43. })
44. errG = self.g_loss.eval({
45. self.z: batch_z,
46. self.y: batch_labels
47. })
49. counter += 1

与论文中不同的是，这里在一个batch中，更新两次生成器，更新一次判别器。

实验结果：

由于自己的笔记本配置有限，仅使用CPU来运行速度较慢，因此epoch仅设置为2，对于MNIST手写数字数据集的生成情况如下



原文：https://blog.csdn.net/wspba/article/details/54730871