本文为🔗365天深度学习训练营 中的学习记录博客
原作者：K同学啊|接辅导、项目定制
我的环境：
1.语言：python3.7
2.编译器：pycharm
3.深度学习框架Pytorch 1.8.0+cu111
一、对比分析
前面的文章介绍了CGAN（条件生成对抗网络），本文的ACGAN，是在CGAN与SGAN基础上的扩展，通过对判别器进行改进实现了图像分类的功能。
原始GAN网络的功能比较简单：输入噪声数据，输出伪造图片。而后CGAN发现可以通过给GAN的生成器添加辅助信息（比如类别标签），来实现生成图片类别的精确控制。。
SGAN鉴别器与原始GAN实现有很大不同。它接收3种输入：生成器生成的伪样本X*、训练数据集中无标签的真实样本X和有标签的真实样本X,y。
ACGAN是在CGAN基础上更近一步的改进，将判别器的功能扩展为判别真假以及类别区分，可以认为ACGAN的判别器多出一个分类的功能 。
ACGAN的损失函数也分为了判别损失和分类损失两个部分，其中判别损失和CGAN并没有区别，形式如下：
比较新的损失函数如下：
上面的分类损失就是ACGAN的核心贡献了，对于真实图片Xreal和生成器伪造的图片Xfake，判别器（或者说判别器中的分类器）应该能够预测它所属的类别。
二、网络结构方面（原文链接：https://blog.csdn.net/qq_35692819/article/details/106684339）
相同的是ACGAN和CGAN在生成器输入时候，噪音z都拼接了采集的labels。
不同的是，ACGAN在判别器输入时，真假数据集都没有拼接labels，labels只是用来在辅助分类器中作为target_labels。而CGAN的判别器输入，真假数据集都拼接了labels。
网络结构上，生成网络和鉴别网络的网络层不再是CGAN的全连接，而是ACGAN的深层卷积网络（这是在DCGAN开始引入的改变），卷积能够更好的提取图片的特征值，所有ACGAN生成的图片边缘更具有连续性，感觉更真实。
代码部分：
import argparse
import os
import numpy as np
import torchvision.transforms as transforms
from torchvision.utils import save_image
from torch.utils.data import DataLoader
from torchvision import datasets
from torch.autograd import Variable
import torch.nn as nn
import torch
# 创建用于存储生成图像的目录
os.makedirs("images", exist_ok=True)
# 解析命令行参数
parser = argparse.ArgumentParser()
parser.add_argument("--n_epochs", type=int, default=200, help="训练的总轮数")
parser.add_argument("--batch_size", type=int, default=64, help="每个批次的大小")
parser.add_argument("--lr", type=float, default=0.0002, help="Adam优化器的学习率")
parser.add_argument("--b1", type=float, default=0.5, help="Adam优化器的一阶动量衰减")
parser.add_argument("--b2", type=float, default=0.999, help="Adam优化器的二阶动量衰减")
parser.add_argument("--n_cpu", type=int, default=8, help="用于批次生成的CPU线程数")
parser.add_argument("--latent_dim", type=int, default=100, help="潜在空间的维度")
parser.add_argument("--n_classes", type=int, default=10, help="数据集的类别数")
parser.add_argument("--img_size", type=int, default=32, help="每个图像的尺寸")
parser.add_argument("--channels", type=int, default=1, help="图像通道数")
parser.add_argument("--sample_interval", type=int, default=400, help="图像采样间隔")
opt = parser.parse_args()
print(opt)
# 检查是否支持GPU加速
cuda = True if torch.cuda.is_available() else False
# 初始化神经网络权重的函数
def weights_init_normal(m):
classname = m.__class__.__name__
if classname.find("Conv") != -1:
torch.nn.init.normal_(m.weight.data, 0.0, 0.02)
elif classname.find("BatchNorm2d") != -1:
torch.nn.init.normal_(m.weight.data, 1.0, 0.02)
torch.nn.init.constant_(m.bias.data, 0.0)
# 生成器网络类
class Generator(nn.Module):
def __init__(self):
super(Generator, self).__init__()
# 为类别标签创建嵌入层
self.label_emb = nn.Embedding(opt.n_classes, opt.latent_dim)
# 计算上采样前的初始大小
self.init_size = opt.img_size // 4 # Initial size before upsampling
# 第一层线性层
self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2))
# 卷积层块
self.conv_blocks = nn.Sequential(
nn.BatchNorm2d(128),
nn.Upsample(scale_factor=2),
nn.Conv2d(128, 128, 3, stride=1, padding=1),
nn.BatchNorm2d(128, 0.8),
nn.LeakyReLU(0.2, inplace=True),
nn.Upsample(scale_factor=2),
nn.Conv2d(128, 64, 3, stride=1, padding=1),
nn.BatchNorm2d(64, 0.8),
nn.LeakyReLU(0.2, inplace=True),
nn.Conv2d(64, opt.channels, 3, stride=1, padding=1),
nn.Tanh(),
)
def forward(self, noise, labels):
# 将标签嵌入到噪声中
gen_input = torch.mul(self.label_emb(labels), noise)
# 通过第一层线性层
out = self.l1(gen_input)
# 重新整形为合适的形状
out = out.view(out.shape[0], 128, self.init_size, self.init_size)
# 通过卷积层块生成图像
img = self.conv_blocks(out)
return img
# 判别器网络类
class Discriminator(nn.Module):
def __init__(self):
super(Discriminator, self).__init__()
# 定义判别器块的函数
def discriminator_block(in_filters, out_filters, bn=True):
"""返回每个判别器块的层"""
block = [nn.Conv2d(in_filters, out_filters, 3, 2, 1), nn.LeakyReLU(0.2, inplace=True), nn.Dropout2d(0.25)]
if bn:
block.append(nn.BatchNorm2d(out_filters, 0.8))
return block
# 判别器的卷积层块
self.conv_blocks = nn.Sequential(
*discriminator_block(opt.channels, 16, bn=False),
*discriminator_block(16, 32),
*discriminator_block(32, 64),
*discriminator_block(64, 128),
)
# 下采样后图像的高度和宽度
ds_size = opt.img_size // 2 ** 4
# 输出层
self.adv_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, 1), nn.Sigmoid())
self.aux_layer = nn.Sequential(nn.Linear(128 * ds_size ** 2, opt.n_classes), nn.Softmax())
def forward(self, img):
out = self.conv_blocks(img)
out = out.view(out.shape[0], -1)
validity = self.adv_layer(out)
label = self.aux_layer(out)
return validity, label
# 损失函数
adversarial_loss = torch.nn.BCELoss()
auxiliary_loss = torch.nn.CrossEntropyLoss()
# 初始化生成器和判别器
generator = Generator()
discriminator = Discriminator()
if cuda:
generator.cuda()
discriminator.cuda()
adversarial_loss.cuda()
auxiliary_loss.cuda()
# 初始化权重
generator.apply(weights_init_normal)
discriminator.apply(weights_init_normal)
# 配置数据加载器
os.makedirs("../../data/mnist", exist_ok=True)
dataloader = torch.utils.data.DataLoader(
datasets.MNIST(
"../../data/mnist",
train=True,
download=True,
transform=transforms.Compose(
[transforms.Resize(opt.img_size), transforms.ToTensor(), transforms.Normalize([0.5], [0.5])]
),
),
batch_size=opt.batch_size,
shuffle=True,
)
# 优化器
optimizer_G = torch.optim.Adam(generator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2))
optimizer_D = torch.optim.Adam(discriminator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2))
FloatTensor = torch.cuda.FloatTensor if cuda else torch.FloatTensor
LongTensor = torch.cuda.LongTensor if cuda else torch.LongTensor
# 保存生成图像的函数
def sample_image(n_row, batches_done):
"""保存从0到n_classes的生成数字的图像网格"""
# 采样噪声
z = Variable(FloatTensor(np.random.normal(0, 1, (n_row ** 2, opt.latent_dim))))
# 为n行生成标签从0到n_classes
labels = np.array([num for _ in range(n_row) for num in range(n_row)])
labels = Variable(LongTensor(labels))
gen_imgs = generator(z, labels)
save_image(gen_imgs.data, "images/%d.png" % batches_done, nrow=n_row, normalize=True)
# ----------
# 训练
# ----------
for epoch in range(opt.n_epochs):
for i, (imgs, labels) in enumerate(dataloader):
batch_size = imgs.shape[0]
# 真实数据的标签
valid = Variable(FloatTensor(batch_size, 1).fill_(1.0), requires_grad=False)
# 生成数据的标签
fake = Variable(FloatTensor(batch_size, 1).fill_(0.0), requires_grad=False)
# 配置输入
real_imgs = Variable(imgs.type(FloatTensor))
labels = Variable(labels.type(LongTensor))
# -----------------
# 训练生成器
# -----------------
optimizer_G.zero_grad()
# 采样噪声和标签作为生成器的输入
z = Variable(FloatTensor(np.random.normal(0, 1, (batch_size, opt.latent_dim))))
gen_labels = Variable(LongTensor(np.random.randint(0, opt.n_classes, batch_size)))
# 生成一批图像
gen_imgs = generator(z, gen_labels)
# 损失度量生成器的欺骗判别器的能力
validity, pred_label = discriminator(gen_imgs)
g_loss = 0.5 * (adversarial_loss(validity, valid) + auxiliary_loss(pred_label, gen_labels))
g_loss.backward()
optimizer_G.step()
# ---------------------
# 训练判别器
# ---------------------
optimizer_D.zero_grad()
# 真实图像的损失
real_pred, real_aux = discriminator(real_imgs)
d_real_loss = (adversarial_loss(real_pred, valid) + auxiliary_loss(real_aux, labels)) / 2
# 生成图像的损失
fake_pred, fake_aux = discriminator(gen_imgs.detach())
d_fake_loss = (adversarial_loss(fake_pred, fake) + auxiliary_loss(fake_aux, gen_labels)) / 2
# 判别器的总损失
d_loss = (d_real_loss + d_fake_loss) / 2
# 计算判别器的准确率
pred = np.concatenate([real_aux.data.cpu().numpy(), fake_aux.data.cpu().numpy()], axis=0)
gt = np.concatenate([labels.data.cpu().numpy(), gen_labels.data.cpu().numpy()], axis=0)
d_acc = np.mean(np.argmax(pred, axis=1) == gt)
d_loss.backward()
optimizer_D.step()
print(
"[Epoch %d/%d] [Batch %d/%d] [D loss: %f, acc: %d%%] [G loss: %f]"
% (epoch, opt.n_epochs, i, len(dataloader), d_loss.item(), 100 * d_acc, g_loss.item())
)
batches_done = epoch * len(dataloader) + i
if batches_done % opt.sample_interval == 0:
sample_image(n_row=10, batches_done=batches_done)
判别器
-
def discriminator_block(in_filters, out_filters, bn=True):: 这是一个内部函数，用于定义判别器的卷积块。它接受输入的通道数in_filters和输出的通道数out_filters，并返回一个卷积块的列表。 -
self.conv_blocks = nn.Sequential(...)：定义了判别器的卷积层块，它使用了nn.Sequential来组合多个卷积块。通过调用discriminator_block函数定义了四个卷积块，每个卷积块由一个卷积层、一个 LeakyReLU 激活函数和一个 Dropout2d 层组成。 -
ds_size = opt.img_size // 2 ** 4：计算下采样后图像的高度和宽度。在这段代码中，每个卷积块都将输入图像的尺寸减半，共执行了 4 次这样的操作。 -
self.adv_layer = nn.Sequential(...)：定义了判别器的输出层。adv_layer是用于判断图像真假的部分，它是一个全连接层，将卷积层块输出的特征展平后输入到一个 Sigmoid 激活函数中，以输出一个范围在 0 到 1 之间的值，表示图像的真实度。 -
self.aux_layer = nn.Sequential(...)：定义了判别器的辅助输出层。aux_layer是用于对图像进行分类的部分，它也是一个全连接层，将卷积层块输出的特征展平后输入到一个 Softmax 激活函数中，以输出类别概率分布，其中opt.n_classes是类别的数量。 -
def forward(self, img):：定义了前向传播函数。接收一个输入图像img，将其输入到卷积层块中进行特征提取，然后将特征展平后分别输入到判别器的输出层adv_layer和aux_layer中，得到判别器的输出：真假判别结果validity和图像类别预测结果label。
生成器
-
self.label_emb = nn.Embedding(opt.n_classes, opt.latent_dim): 创建了一个嵌入层label_emb，用于将类别标签转换为一个与噪声相同维度的向量。这里假设opt.n_classes是类别的数量，opt.latent_dim是噪声的维度。 -
self.init_size = opt.img_size // 4: 计算了上采样前的初始大小。在这段代码中，初始大小是图像大小的 1/4。 -
self.l1 = nn.Sequential(nn.Linear(opt.latent_dim, 128 * self.init_size ** 2)): 定义了一个线性层l1，将噪声输入映射到一个特定大小的张量，以供后续卷积层块使用。 -
self.conv_blocks = nn.Sequential(...)：定义了生成器的卷积层块。通过nn.Sequential组合了多个层，包括批归一化层、上采样层、卷积层、LeakyReLU 激活函数和 Tanh 激活函数。这些层组合在一起，用于从输入的特征张量生成图像。 -
def forward(self, noise, labels):: 定义了前向传播函数。接收噪声noise和类别标签labels作为输入，并经过一系列操作生成图像。首先，通过将标签嵌入到噪声中，将标签信息融合到生成的噪声中。然后，将融合后的输入通过线性层l1，将其映射到适当的大小。接着，将线性层输出重塑为合适的形状，以适应后续的卷积层块。最后，通过卷积层块生成图像，并将生成的图像作为输出返回。
![[BUUCTF]-Reverse:reverse3解析](https://img-blog.csdnimg.cn/direct/3710e7bf787c479a9981940ebd752eec.png)
