【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次

前言

深度学习作为人工智能的重要手段，迎来了爆发，在NLP、CV、物联网、无人机等多个领域都发挥了非常重要的作用。最近几年，各种深度学习算法层出不穷, Generative Adverarial Network(GAN)自2014年提出以来，引起广泛关注，身为深度学习三巨头之一的Yan Lecun对GAN的评价颇高，认为GAN是近年来在深度学习上最大的突破，是近十年来机器学习上最有意思的工作。围绕GAN的论文数量也迅速增多，各种版本的GAN出现，主要在CV领域带来了一些贡献，如下图所示。

我们可以利用GAN生成一些我们需要的图像或者文本，比如二次元头像。

GAN简介

GAN主要的应用是自动生成一些东西，包括图像和文本等，比如随机给一个向量作为输入，通过GAN的Generator生成一张图片，或者生成一串语句。Conditional GAN的应用更多一些，比如数据集是一段文字和图像的数据对，通过训练，GAN可以通过给定一段文字生成对应的图像。

GAN主要可以分为Generator（生成器）和Discriminator（判别器）两个部分，其中Generator其实就是一个神经网络，输入一个向量，可以输出一张图像（即一个高维的向量表示），如下图示。

​Discriminator也是一个神经网络，输入为一张图像，输出为一个数值，输出的数值用于判断输入的图像是否是真的，数值越大，说明图像是真的，数值越小，说明图像为假的，如下图示。

​Generator负责生成图像，Discriminator负责对Generator生成的图像和真实图像去进行对比，区别出真假，Generator需要不断优化来欺骗Discriminator，以假乱真；而Discriminator也不断优化，来提高识别能力，能够识别出Generator的把戏。二者的这种关系可以形象地通过下图展示。

Generator和Discriminator连接起来，形成一个比较大的深层网络，即为GAN网络。

场景描述

深度学习的各种算法在PAI上可以通过PAI-DSW进行实现，在PAI-DSW上进行训练数据，利用GAN自动生成二次元头像。

数据准备

首先需要准备真实的二次元头像作为数据集，这里从网上找到一些共享的资源，存储在了钉钉钉盘中，钉盘地址 ，提取密码: c2pz，数据集如下图示，约5万多张：

算法实践

利用PAI-DSW进行GAN算法实践，首先需要安装准备好环境。

首先进入到Notebook建模，创建新实例，之后打开实例，进入Terminal，在Terminal下用户可以像在自己本地一样安装相应的依赖包，进行操作。

准备好环境之后，我们可以通过如下图示方法，将基于Tensorflow的DCGAN代码和数据集上传上去。 ​

用于训练的DCGAN代码地址：https://github.com/carpedm20/DCGAN-tensorflow，关于DCGAN的网络框架图如下，详细介绍可以参考论文：https://arxiv.org/abs/1511.06434，这里我们不做详述。

数据集和代码上传成功，如下图示。

其中，data目录下的faces即为数据集，该文件夹下为对应的5万多张真实二次元头像。DCGAN-tensorflow为整个代码路径，其中最主要的两个代码文件是main.py和model.py，其中最主要的核心代码如下。

def main(_):
  pp.pprint(flags.FLAGS.__flags)

  if FLAGS.input_width is None:
    FLAGS.input_width = FLAGS.input_height
  if FLAGS.output_width is None:
    FLAGS.output_width = FLAGS.output_height

  if not os.path.exists(FLAGS.checkpoint_dir):
    os.makedirs(FLAGS.checkpoint_dir)
  if not os.path.exists(FLAGS.sample_dir):
    os.makedirs(FLAGS.sample_dir)

  #gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
  run_config = tf.ConfigProto()
  run_config.gpu_options.allow_growth=True

  with tf.Session(config=run_config) as sess:
    if FLAGS.dataset == 'mnist':
      dcgan = DCGAN(
          sess,
          input_width=FLAGS.input_width,
          input_height=FLAGS.input_height,
          output_width=FLAGS.output_width,
          output_height=FLAGS.output_height,
          batch_size=FLAGS.batch_size,
          sample_num=FLAGS.batch_size,
          y_dim=10,
          z_dim=FLAGS.generate_test_images,
          dataset_name=FLAGS.dataset,
          input_fname_pattern=FLAGS.input_fname_pattern,
          crop=FLAGS.crop,
          checkpoint_dir=FLAGS.checkpoint_dir,
          sample_dir=FLAGS.sample_dir,
          data_dir=FLAGS.data_dir)
    else:
      dcgan = DCGAN(
          sess,
          input_width=FLAGS.input_width,
          input_height=FLAGS.input_height,
          output_width=FLAGS.output_width,
          output_height=FLAGS.output_height,
          batch_size=FLAGS.batch_size,
          sample_num=FLAGS.batch_size,
          z_dim=FLAGS.generate_test_images,
          dataset_name=FLAGS.dataset,
          input_fname_pattern=FLAGS.input_fname_pattern,
          crop=FLAGS.crop,
          checkpoint_dir=FLAGS.checkpoint_dir,
          sample_dir=FLAGS.sample_dir,
          data_dir=FLAGS.data_dir)

    show_all_variables()

    if FLAGS.train:
      dcgan.train(FLAGS)

        else:
          # Update D network
          _, summary_str = self.sess.run([d_optim, self.d_sum],
            feed_dict={ self.inputs: batch_images, self.z: batch_z })
          self.writer.add_summary(summary_str, counter)

          # Update G network
          _, summary_str = self.sess.run([g_optim, self.g_sum],
            feed_dict={ self.z: batch_z })
          self.writer.add_summary(summary_str, counter)

          # Run g_optim twice to make sure that d_loss does not go to zero (different from paper)
          _, summary_str = self.sess.run([g_optim, self.g_sum],
            feed_dict={ self.z: batch_z })
          self.writer.add_summary(summary_str, counter)

          errD_fake = self.d_loss_fake.eval({ self.z: batch_z })
          errD_real = self.d_loss_real.eval({ self.inputs: batch_images })
          errG = self.g_loss.eval({self.z: batch_z})

一切就绪之后，我们执行命令进行训练，调用命令如下：

​python main.py --input_height 96 --input_width 96 --output_height 48 --output_width 48 --dataset faces --crop --train --epoch 300 --input_fname_pattern "*.jpg"

其中，参数dateset指定数据集的目录，epoch指定循环迭代的次数，input_height、input_width用于指定输入文件的大小，输出文件的大小同样也需要参数设定，代码执行过程如下图示：​

TB1iHl6KxnaK1RjSZFtXXbC2VXa-1420-1172.pn

​

我们来看下执行结果，分别看一下epoch为1，30，100的时候生成的二次元头像效果图。

epoch=1

epoch=30

epoch=100​

我们发现，随着不断迭代，生成的二次元头像也越来越逼真。

总结

通过上面的实践，我们领略到了GAN的魅力，GAN的变种有很多，除此之外我们还可以利用GAN做非常多的有意思的事情，比如通过文字生成图像，通过简单文字生成宣传海报等。PAI-DSW像是一个练武场，为我们准备好了深度学习所需要的环境和条件，让我们可以尽情享受大数据和深度学习的乐趣，除了GAN，像比较火热的Bert等模型，我们也都可以试一试。

---

本文作者：不等_赵振才

原文链接

本文为云栖社区原创内容，未经允许不得转载。