這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

機器之心發表於2018-04-24
PyTorchKeras

生成對抗網路一直是非常美妙且高效的方法，自 14 年 Ian Goodfellow 等人提出第一個生成對抗網路以來，各種變體和修正版如雨後春筍般出現，它們都有各自的特性和對應的優勢。本文介紹了主流的生成對抗網路及其對應的 PyTorch 和 Keras 實現程式碼，希望對各位讀者在 GAN 上的理解與實現有所幫助。

生成對抗網路及其變體的實現分為基於 Keras 和基於 PyTorch 兩個版本。它們都是按照原論文實現的，但模型架構並不一定完全和原論文相同，作者關注於實現這些論文最核心的思想，而並不確定所有層級的配置都和原論文完全一致。本文首先將介紹各種 GAN 的論文摘要，然後提供詳細論文和實現的地址。

要使用 PyTorch 或 Keras 實現這些 GAN，我們首先需要下載兩個程式碼倉庫，並安裝對應所需的依賴包。在終端執行以下命令列將下載 PyTorch-GAN 程式碼庫並安裝所需的依賴包：

$ git clone https://github.com/eriklindernoren/PyTorch-GAN
$ cd PyTorch-GAN/
$ sudo pip3 install -r requirements.txt

執行以下命令將下載並安裝 Keras-GAN 程式碼庫：

$ git clone https://github.com/eriklindernoren/Keras-GAN
$ cd Keras-GAN/
$ sudo pip3 install -r requirements.txt

實現

Auxiliary Classifier GAN

合成高解析度的真實感影象一直是機器學習中的長期挑戰。在本論文中，作者介紹了一種用於提升 GAN 在影象合成方面訓練效果的新方法。他們構建了一種採用標籤條件（label conditioning）的 GAN 變體，這種方法可以生成 128×128 解析度的影象樣本，且能展現出全域性一致性。該論文擴充套件了以前的影象質量評估工作，以提供兩個新的分析來評估類別條件（class-conditional）影象合成模型中樣本的辨識度和多樣性。在 ImageNet 的 1000 個類別中，128×128 的樣本要比手動調整為 32×32 的樣本高兩倍多的可辨識度。此外，84.7% 的類別具有與 ImageNet 真實影象相媲美的樣本。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練 acgan：

$ cd implementations/acgan/
$ python3 acgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd acgan/
$ python3 acgan.py

對抗自編碼器（Adversarial Autoencoder）

在這篇論文中，作者們提出了「對抗自編碼器」（AAE），它是一種概率自編碼器，且通過最近提出的生成對抗網路實現變分推斷。簡單而言，即通過匹配自編碼器隱藏編碼向量的聚合後驗分佈（aggregated posterior）和任意的先驗分佈。匹配聚合後驗分佈和先驗分佈確保了從任意先驗空間中的取樣都能生成有意義的樣本。最後，對抗自編碼器的解碼器將學習一個深度生成模型以將先驗分佈對映到資料分佈中。作者們展示了對抗自編碼器如何應用於半監督分類、影象內容和風格解析、無監督聚類、降維演算法和資料視覺化等內容。作者還實現了一些實驗，並在生成建模和半監督分類任務中取得了很好的效能。

如果當前地址為 PyTorch-GAN/，那麼你可以輸入以下命令列，用 PyTorch 開始訓練 AAE：

$ cd implementations/aae/
$ python3 aae.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd aae/
$ python3 aae.py

Boundary-Seeking GAN

生成對抗網路（GAN）是一種學習框架，它依賴訓練判別器來度量目標和生成分佈之間的差距。正如通常所說的，GAN 依賴於生成的樣本對生成器的引數是完全可微的，因此它是適用於離散資料。作者引入了一種用離散資料訓練 GAN 的方法，該方式使用判別器的差異度量來計算生成樣本的重要權重，從而為訓練生成器提供策略梯度。此外，重要權重與判別器的決策邊界有非常強的聯絡，因此作者們稱這種方法為 boundary-seeking GAN（BGAN）。他們證明了該演算法在離散影象和字元級的自然語言生成任務上具有高效性。此外，搜尋判別器邊界的目標可擴充套件到連續資料，並用來提升訓練的穩定性。最後，該論文還展示了在 Celeba、大規模臥室場景理解（LSUN）和不帶條件的 ImageNet 上具有優秀的效能。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將開始訓練 BGAN：

$ cd implementations/bgan/
$ python3 bgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd bgan/
$ python3 bgan.py

Context-Conditional GAN

本論文介紹了一種基於影象的半監督學習方法，它在繪畫中將使用對抗性損失函式。我們將刪除隨機影象塊後的影象饋送給生成器，而生成器的任務就是根據周圍的畫素填補這些刪除的影象塊。然後將繪製後的影象展現給判別器網路，並判斷它們是否是真實影象。這一任務可充當判別器標準監督訓練的正則化器。使用這種方法，我們能以半監督的方式直接訓練大規模 VGG 風格的網路。最後，作者們還在 STL-10 和 PASSCAL 資料集上評估了該方法，它的結果能至少獲得當前業內最優的水平。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將開始訓練 CCGAN：

$ cd implementations/ccgan/
$ python3 ccgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd ccgan/
$ python3 ccgan.py

條件 GAN

生成對抗網路近來被引入並作為訓練生成模型的新方法。在本論文的研究工作中，作者們介紹了生成對抗網路的的條件約束版，即可以通過資料 y 來構建生成網路，而我們期望生成器和判別器能加上約束條件。作者表示模型可以以類別標籤為條件生成 MNIST 手寫數字，同時還展示瞭如何使用該模型學習多模態模型，並提供了一個應用於影象標註的簡單示例，他們展示了這種方法如何生成不屬於訓練標註的描述性標籤。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將開始訓練 CGAN：

$ cd implementations/cgan/
$ python3 cgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd cgan/
$ python3 cgan.py

CycleGAN

影象到影象變換是一種視覺和影象問題，其目標是使用分配影象配對的訓練集學習輸入影象和輸出影象之間的對映。然而，對於很多工來說，配對的訓練資料是不可獲取的。作者提出了一種新方法，在沒有配對示例的限制下，學習從源域 X 到目標域 Y 的影象變換。其目標是學習一個對映：X→Y，通過對抗損失使得 G（X）中的影象分佈和 Y 的分佈是不可區分的。由於這個對映是高度受限的，作者將其和一個逆對映 F：Y→X 耦合，並引入了一個週期一致損失來迫使 F（G（X））≈X（反之亦然）。研究者在無配對訓練資料的多項任務（包括款式風格遷移、目標變形、季節遷移、照片增強等）上做了定性實驗。並且和多種之前方法的定量結果表明，該方法在效能上有優越性。

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd data/
$ bash download_cyclegan_dataset.sh apple2orange
$ cd ../implementations/cyclegan/
$ python3 cyclegan.py --dataset_name apple2orange

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd cyclegan/
$ bash download_dataset.sh apple2orange
$ python3 cyclegan.py

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

第一行展示了兩個域的原始影象。第二行展示了兩個影象的變換版本。第三行展示了重構影象。

Deep Convolutional GAN

在 GAN 的第一篇論文出來之後的大概一年時間裡，訓練 GAN 與其說是科學，倒不如說是藝術——模型很不穩定，需要大量調整才能工作。2015 年時，Radford 等人發表了題為《使用深度卷積生成對抗網路的無監督表徵學習（Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks）》的論文，描述了之後被稱為 DCGAN 的著名模型。

在 DCGAN 這項工作中，作者們引入一種帶有結構約束的卷積神經網路，並證明深度卷積對抗網路從目標到場景能學習層級表徵。

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

圖片來自：Radford et al., 2015

關於 DCGAN，最值得一提的是這個架構在大多數情況下都是穩定的。這是第一篇使用向量運算描述生成器學習到的表徵的固有性質的論文：這與 Word2Vec 中的詞向量使用的技巧一樣，但卻是對影象操作的！

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合圖片來自：Radford et al., 2015

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/dcgan/
$ python3 dcgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd dcgan/
$ python3 dcgan.py

DiscoGAN（學習用生成對抗網路發現跨域關係）

人類可以輕易地識別不同領域的資料之間的關係而不需要任何的監督，但讓機器學習自動化地發現這些關係是很大的挑戰並需要很多真實的配對來展示這些關係。為了避免代價昂貴的配對工程，通過給定的非配對資料來發現跨域關係，作者提出了基於生成對抗網路的方法來學習發現不同領域之間的關係，即 DiscoGAN。使用發現的關係，該網路可以成功地將一個領域的風格遷移到另一個上，同時保持關鍵的屬性，例如定向和麵部身份。

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd data/
$ bash download_pix2pix_dataset.sh edges2shoes
$ cd ../implementations/discogan/
$ python3 discogan.py --dataset_name edges2shoes

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd discogan/
$ bash download_dataset.sh edges2shoes
$ python3 discogan.py

DRAGAN（改善 GAN 的收斂性和穩定性）

通過將 GAN 的訓練動態看成遺憾最小化過程，這和流行的角度相反（真實和生成分佈之間的偏離存在一致最小化）。作者從新的視角分析了 GAN 訓練過程的收斂行為，易理解模式崩潰的原因。他們假定在非凸優化過程中出現的局域均衡是導致模式崩潰的原因。研究表明這些局域均衡通常導致判別器函式在某些真實資料點處的尖銳梯度，而使用一種稱為 DRAGAN 的梯度懲罰方案可以避免這些退化的局域均衡。DRAGAN 可以讓訓練的速度更快，模型獲得更高的穩定性，以及更少的模式崩潰，在多種架構和目標函式的生成器網路上得到更優的建模效能。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/dragan/
$ python3 dragan.py

DualGAN

跨域影象到影象變換的條件生成網路在近期取得了很大的進步。由於任務的複雜度，訓練一個條件 GAN 需要成千上百萬張標記的影象。然而，人類標記是代價昂貴的，甚至是不可行的，並且很多資料可能是不可用的。受自然影象變換的對偶學習啟發，一種新型的 Dual-GAN 機制被提出，它允許在兩個域的無標記影象集訓練以實現影象變換。在該架構中，原始 GAN 學習從域 U 向域 V 的影象變換，同時，對偶的 GAN 學習將任務倒轉。由原始任務和對偶任務構成的迴圈允許影象從任意兩個域之一被變換然後被重構。因此可以用關於重構誤差的損失函式來訓練變換器。在多個使用無標籤資料的影象變換任務上的實驗表明，DualGAN 相比單個 GAN 可以取得相當好的結果。對於某些任務，DualGAN 甚至可以得到相當或稍微超越條件 GAN 在全標記資料上的結果。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd data/
$ bash download_pix2pix_dataset.sh facades
$ cd ../implementations/dualgan/
$ python3 dualgan.py --dataset_name facades

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd dualgan/
$ python3 dualgan.py

GAN

GAN 最初由 Ian Goodfellow 提出，它有兩個網路：生成器和鑑別器。兩個網路在同一時間進行訓練，並在極小極大（minimax）遊戲中相互博弈。生成器通過建立逼真的影象來試圖欺騙鑑別器，而鑑別器被訓練從而不被生成器所愚弄。首先，生成器生成影象。它通過從簡單分佈中（例如正態分佈）取樣向量噪聲 Z，然後將該向量上取樣到影象來生成影象。在第一次迭代中，這些影象看起來很嘈雜。然後，鑑別器被給予真、假影象，並學習區分它們。生成器稍後通過反向傳播步驟接收鑑別器的「反饋」，在產生影象時變得更好。最後，我們希望假影象的分佈儘可能接近真實影象的分佈。或者，簡單來說，我們希望假影象看起來儘可能貌似真實。

值得一提的是，由於 GAN 中使用的極小極大（minimax）優化，訓練有可能相當不穩定。但是，有一些技巧可以用來使得訓練更魯棒。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/gan/
$ python3 gan.py

Keras 示例 1：如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd gan/
$ python3 gan.py

Keras 示例 2：如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd gan/
<follow steps at the top of gan_rgb.py>
$ python3 gan_rgb.py

Least Squares GAN

最近應用生成對抗網路（generative adversarial networks/GAN）的無監督學習被證明是十分成功且有效的。常規生成對抗網路假定作為分類器的辨別器是使用 sigmoid 交叉熵損失函式（sigmoid cross entropy loss function）。然而這種損失函式可能在學習過程中導致導致梯度消失（vanishing gradient）問題。為了克服這一困難，我們提出了最小二乘生成對抗網路（Least Squares Generative Adversarial Networks/LSGANs），該生成對抗網路的辨別器（discriminator）採用最小平方損失函式（least squares loss function）。我們也表明 LSGAN 的最小化目標函式（bjective function）服從最小化 Pearson X^2 divergence。LSGAN 比常規生成對抗網路有兩個好處。首先 LSGAN 能夠比常規生成對抗網路生成更加高質量的圖片。其次 LSGAN 在學習過程中更加地穩定。我們在五個事件資料集（scene datasets）和實驗結果上進行評估，結果證明由 LSGAN 生成的影象看起來比由常規 GAN 生成的影象更加真實一些。我們還對 LSGAN 和常規 GAN 進行了兩個比較實驗，其證明了 LSGAN 的穩定性。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/lsgan/
$ python3 lsgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd lsgan/
$ python3 lsgan.py

Pix2Pix

Pix2Pix 探索了將條件 GAN 作為影象到影象變換問題的通用解決方案的可行性。這些網路不僅能學習從輸入影象到輸出影象的變換，還能學習一個損失函式來訓練這個損失。這使其可以應用相同的一般性方法到傳統上需要非常不同的損失函式的問題上。研究表明該方法在從標籤對映合成照片、從邊緣對映重構影象，以及影象上色等任務上非常有效。實際上，由於和 Pix2Pix 論文相關的 pix2pix 軟體的釋出，已經有大量的網路使用者（其中包括很多藝術家）釋出了用該系統處理的實驗結果，進一步展示了它的廣泛應用價值和不需要引數調整的易用性。不需要手動修改對映函式和損失函式，該方法就可以取得很優越的結果。

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd data/
$ bash download_pix2pix_dataset.sh facades
$ cd ../implementations/pix2pix/
$ python3 pix2pix.py --dataset_name facades

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd pix2pix/
$ bash download_dataset.sh facades
$ python3 pix2pix.py

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

第一行展示了生成器的條件，第二行展示了輸出，第三行展示了條件對應的真實影象。

PixelDA

對於很多工而言，收集標註良好的影象資料集來訓練機器學習演算法是代價昂貴的。一個有吸引力的替代方案是渲染合成資料，其中真實標籤是自動生成的。不幸的是，純粹在渲染影象上訓練的模型通常無法泛化到真實影象上，為了解決這個弊端，以前的研究通過引入無監督域適應演算法來實現兩個領域的表徵對映，並學習提取域不變的特徵。在 PixelDA 中，作者提出了一個新的方法，以無監督的方式在畫素空間中實現域變換。該基於生成對抗網路的方法將源域的影象渲染成像是來自目標域的影象。該方法不僅能生成可信的樣本，還在多個無監督域適應場景中大幅超越了當前最佳方法。最後，研究表明該適應過程可以泛化到訓練過程中未見過的目標類別。

從 MNIST 到 MNIST-M 的分類效能

PixelDA 在 MNIST 上訓練一個分類器，並可以變換到和 MNIST-M 相似的影象（通過執行無監督的影象到影象域適應）。該模型和在 MNIST 上訓練分類器並在 MNIST-M 上評估的樸素方法對比。樸素方法在 MNIST 上取得了 55% 的準確率，而在域適應上訓練的模型獲得了 95% 的分類準確率。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/pixelda/
$ python3 pixelda.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd pixelda/
$ python3 pixelda.py

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合


這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

第一行展示了 MNIST 域的原始影象。中間行展示了第一行影象的變換版本。最後一行展示了 MNIST-M 域的影象示例。

Semi-Supervised GAN

半監督生成對抗網路通過強制判別器網路輸出類別標籤將生成對抗網路（GAN）擴充套件到半監督情境中。論文作者在一個資料集上訓練了一個生成器 G 和判別器 D，其中每個輸入屬於 N 個類別之一。在訓練時，D 被用於預測輸入屬於 N+1 個類別的哪一個，其中額外的類別對應於 G 的輸出。研究表明該方法可以用於構建一個資料高效的分類器，相比於常規的 GAN，它可以生成更加高質量的樣本。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/sgan/
$ python3 sgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd sgan/
$ python3 sgan.py

Super-Resolution GAN

儘管使用更快和更深的卷積神經網路在單張影象超解析度上已經得到了準確率和速度的突破，仍然有一箇中心問題為得到解決：如何在大的粗化（upscaling）係數時的超解析度恢復精細紋理細節？基於優化的超解析度方法的行為在原則上是由目標函式的選擇驅動的。近期的研究主要聚焦於最小化重構均方誤差。得到的評估結果具有很高峰值的訊雜比，但它們通常缺少高頻細節，並無法在高解析度上匹配期望的保真度。

SRGAN 是一個用於影象超解析度的生成對抗網路。這是首個能在 4x 粗化係數上推斷照片級自然影象的框架。為了達到這個目的，論文作者提出了一個感知損失函式，它一個對抗損失和一個內容損失構成。通過訓練判別網路來區分超分辨影象和原始照片級影象，對抗損失迫使網路生成自然影象流形。此外，內容損失是通過感知相似性驅動的而不是畫素空間的相似性。該架構使用的深度殘差網路可以從公開基準的嚴重下采樣的影象上恢復照片級紋理。擴充套件的平均意見分數（MOS）測試表明，使用 SRGAN 可以大大提高感知質量。使用 SRGAN 獲得的 MOS 分數和那些原始高解析度影象很相近，高於所有當前最佳方法。

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/srgan/
<follow steps at the top of srgan.py>
$ python3 srgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd srgan/
<follow steps at the top of srgan.py>
$ python3 srgan.py

這些資源你肯定需要！超全的GAN PyTorch+Keras實現集合

第一行由 SRGAN 生成，第二行是全解析度影象。

Wasserstein GAN（WGAN）

通過改變損失函式以包含 Wasserstein 距離，WGAN 具有與影象質量相關的損失函式。此外，訓練穩定性也提高了，而且不依賴於架構。

GAN 一直在收斂性方面存在問題，結果是，你不知道何時停止訓練。換句話說，損失函式與影象質量不相關。這是一個頭痛的大問題，因為：

  • 你需要不斷檢視樣本，以瞭解你的模型是否在正確訓練。

  • 你不知道何時應該停止訓練（沒有收斂）。

  • 你沒有一個量化數值告訴你調整引數的效果如何。

GAN 可被解釋以最小化 Jensen-Shannon 發散，如果真和假的分佈不重疊（通常是這種情況），則它為 0。所以，作者使用了 Wasserstein 距離，而不是最小化 JS 發散，它描述了從一個分佈到另一個分佈的「點」之間的距離。因此，WGAN 具有與影象質量相關的損失函式並能夠實現收斂。它也更加穩定，也就意味著它不依賴於架構。例如，即使你去掉批處理歸一化或嘗試奇怪的架構，它也能很好地工作。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/wgan/
$ python3 wgan.py

如果當前地址為 Keras-GAN/，那麼我們需要使用 Keras 實現訓練：

$ cd wgan/
$ python3 wgan.py

Wasserstein GAN GP

生成對抗網路（GAN）是很強大的生成模型，但會遭遇訓練不穩定的問題。最近提出的 WGAN 提高了 GAN 的訓練穩定性，但有時候仍然會生成低質量的樣本或無法收斂。論文作者發現這些問題是由於 WGAN 中使用的權重修剪，以強制在判別器上新增一個 Lipschitz 約束，這會導致不希望出現的行為。他們提出了權重修剪的替代方案：懲罰判別器的關於它的輸入的梯度範數。該方法相比標準的 WGAN 表現更好，在多種 GAN 架構中實現穩定的訓練，而幾乎不需要超引數的調整，包括 101 層的 ResNet 和離散資料上的語言模型。該方法可以在 CIFAR-10 和 LSUNbedrooms 資料集上生成高質量的影象。

如果當前地址為 PyTorch-GAN/，那麼使用以下命令列將使用 PyTorch 開始訓練：

$ cd implementations/wgan_gp/
$ python3 wgan_gp.py

相關文章