【百战GAN】新手如何开始你的第一个生成对抗网络(GAN)任务

大家好，欢迎来到专栏《百战GAN》，我们在公众号已经输出了非常多的GAN相关的理论，这一次我们开设《百战GAN》专栏，在这个专栏里，我们会进行算法的核心思想讲解，代码的详解，模型的训练等内容。

作者&编辑 | 言有三

本文资源与生成结果展示

本文篇幅：5000字

背景要求：会使用Python，Tensorflow或者Pytorch

附带资料：项目推荐，版本包括Pytorch+Tensorflow

同步平台：有三AI知识星球(一周内)

1 项目背景

生成对抗网络如今在计算机视觉的很多领域中都被广泛应用，需要每一个学习深度学习相关技术的算法人员掌握，我们公众号和知识星球讲述了非常多的理论知识，在这个《百战GAN》专栏中，我们会配合各类实战案例来帮助大家进行提升，本次项目开发需要以下环境：

(1) Linux系统或者windows系统，使用Linux效率更高。

(2) 安装好的Tensorflow，CPU或者GPU训练都可以。

2 原理简介

今天我们要实践的模型是DCGAN和CGAN，DCGAN是第一个全卷积GAN，麻雀虽小，五脏俱全，最适合新人实践。

DCGAN的生成器和判别器都采用了4层的网络结构。生成器网络结构如上图所示，输入为1×100的向量，然后经过一个全连接层学习，reshape为4×4×1024的张量，再经过4个上采样的反卷积网络层，生成64×64的图，各层的配置如下：

判别器输入64×64大小的图，经过4次卷积，分辨率降低为4×4的大小，每一个卷积层的配置如下：

DCGAN并不能控制生成图片的类别，条件GAN(CGAN)则使用了条件控制变量作为输入，是几乎后续所有性能强大的GAN的基础。网络结构如下，其中的y就是条件变量。

对于生成器来说，输入包括z和y，两者会进行拼接后作为输入。对于判别器来说，输入包括了x和y，两者会进行拼接后作为输入，当然为了和z以及x进行拼接，y需要做一些维度变换，即reshape操作。

关于它们的理论更加详细的讲解，大家可以移步有三AI知识星球，或者自行阅读论文。

3 模型训练

接下来我们进行实践，选择tensorflow框架，下面详解具体的工程代码，主要包括：

(1) 生成器和判别器模型的定义。

(2) 损失和优化目标的定义。

3.1 DCGAN类定义

首先我们需要定义一个类，设计好输入输出，__init__函数如下：

# 模型定义

class DCGAN(object):

def __init__(self, sess, input_height=108, input_width=108, crop=True,

batch_size=64, sample_num = 64, output_height=64, output_width=64,

y_dim=None, z_dim=100, gf_dim=64, df_dim=64,

gfc_dim=1024, dfc_dim=1024, c_dim=3, dataset_name='default',

max_to_keep=1,

input_fname_pattern='*.jpg', checkpoint_dir='ckpts', sample_dir='samples', out_dir='./out', data_dir='./data'):

其中参数解释如下：sess表示TensorFlow session，batch_size即批处理大小；z_dim是噪声的维度，默认为100；y_dim是一个可选的条件变量，比如分类标签，用于CGAN；gf_dim是生成器第一个卷积层的通道数；df_dim是判别器第一个卷积层的通道数；gfc_dim是生成器全连接层维度；dfc_dim是判别器全连接层维度；c_dim是输入图像维度，灰度图为1，彩色图为3。

从上述代码可以看出，初始化函数__init__中配置了训练输入图尺寸，批处理大小，输出图尺寸，生成器的输入维度，以及生成器和判别的卷积层和全连接层的若干维度变量。