详解生成对抗网络（GAN）- 体验AI作画

目录

1.GAN是什么？

2.GAN的计算

3.编写GAN的小小示例

4.GAN的发展与应用 

5.AI作画体验-Disco Diffusion

1.GAN是什么？

2014年，因为朋友邀请协助一个计算机生成图像的项目，lanGooddellow发明了GAN（Generative adversarial network），被广泛用于图像生成！

GAN翻译过来，就是生成对抗网络了，它确实“人”如其名，正是一个生成对抗的过程。

生成器（Generator）：生成数据，企图骗过判别器

判别器（Discriminator）：判断数据，企图揪出生成器生成的假数据

让我们看一看这个生成对抗的过程吧，以图像为例（毕竟GAN大部分是为了生成图像嘛）

 一开始，生成器随机生成噪声数据，和真图一起输入判别器

然后判别器开始训练，训练后判别器能轻易判别噪声和真图

于是我们又开始训练生成器，让生成出来的图片与真实更接近，等到这时的判别器无法分辨真假，只能瞎蒙（50%真50%假），我们便继续训练判别器

循环上述过程，形成一种对抗，生成器和判别器的性能都逐渐提升，最终得到很强的生成器和判别器

我们就可以用这个很强的生成器来生成图片啦！

2.GAN的计算

GAN的损失函数定义：

 G：生成器 

 D：判别器

一切损失计算都是在D输出处产生的，而D的输出是true/fake，所以整体采用二分类的交叉熵损失函数

Ex~pdata表示从真实数据分布p中采样得到样本x

Ez~pz表示从特定数据分布p中采样得到样本z

G(z)：生成器生成z

D(x)：判别器判断真实数据，判断正确的概率

D(G(z))：判别器判断生成器生成的数据，判断正确的概率

判别器D训练阶段：

左边一项越大，意味着D(x)越大，判别器准确判断真实样本为true，有maxD

右边一项越大，意味着D(G(z))越小，判别器准确判断生成样本为fake，有maxD

生成器G训练阶段：

不管左边一项

右边一项越小，意味着D(G(z))越大，生成器生成的数据越逼真，有minG

训练判别器时最大化这个函数，训练生成器时最小化这个函数，形成对抗

3.编写GAN的小小示例

经典的MNIST手写数字数据集，简单好训练

tensorflow版本：2.10.0        keras版本：2.10.0

import keras
import tensorflow as tf
from keras import layers
from keras.datasets import mnist
import matplotlib.pyplot as plt
import numpy as np
import glob

# 显存自适应分配(分配尽可能充足的GPU)
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu,True)
    
# 判断是否使用gpu进行训练
gpu_ok = tf.test.is_gpu_available()
print("tf version:", tf.__version__)
print("use GPU", gpu_ok) 

# 手写数据集
(train_images,train_labels),(test_images,test_labels) = mnist.load_data() 
train_images = (train_images)/255 # 归一化

BATCH_SIZE = 256
BUFFER_SIZE = 60000
datasets = tf.data.Dataset.from_tensor_slices(train_images) # 创建数据集
datasets = datasets.shuffle(BUFFER_SIZE).batch(BATCH_SIZE) # 乱序

# 生成器模型
def generator_model():
    model = keras.Sequential() 
    model.add(layers.Dense(256,input_shape=(100,),use_bias=False)) 
    model.add(layers.BatchNormalization()) 
    model.add(layers.LeakyReLU())
    
    model.add(layers.Dense(512,use_bias=False))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())
    
    model.add(layers.Dense(28*28*1,use_bias=False,activation="tanh")) # 输出28*28*1形状 使用tanh激活得到-1 到1 的值
    model.add(layers.BatchNormalization())
    
    model.add(layers.Reshape((28,28,1))) # reshape成28*28*1的形状
    return model

# 判别器模型
def discriminator_model():
    model = keras.Sequential()
    model.add(layers.Flatten())
    
    model.add(layers.Dense(512,use_bias=False))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())
    
    model.add(layers.Dense(256,use_bias=False))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())
    
    model.add(layers.Dense(1)) 
    return model

# loss  
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True) # 相当于normalize(softmax)该层

# 辨别器loss
def discriminator_loss(real_out,fake_out):
    real_loss = cross_entropy(tf.ones_like(real_out),real_out) # 使用binary_crossentropy 对真实图片判别为1 
    fake_loss = cross_entropy(tf.zeros_like(fake_out),fake_out) # 生成的图片 判别为0 
    return real_loss + fake_loss
# 生成器loss
def generator_loss(fake_out):
    return cross_entropy(tf.ones_like(fake_out),fake_out) # 希望对生成的图片返回为1

# 定义训练参数
generator_opt = tf.keras.optimizers.Adam(1e-4)
discriminator_opt = tf.keras.optimizers.Adam(1e-4)
EPOCHS = 100
noise_dim = 100 
num_exp_to_generate = 16

seed = tf.random.normal([num_exp_to_generate,noise_dim]) # (16,100) # 生成16个样本，长度为100的随机数

generator = generator_model()
discriminator = discriminator_model()

# 一个epoch
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE,noise_dim])
    
    with tf.GradientTape() as gen_tape,tf.GradientTape() as disc_tape: # 梯度
        real_out = discriminator(images,training=True)
        
        gen_image = generator(noise,training=True)
        
        fake_out = discriminator(gen_image,training=True)
        
        gen_loss = generator_loss(fake_out) # 最大化生成图片预测为真的概率
        disc_loss = discriminator_loss(real_out,fake_out) # 最小化生成图片预测为真的概率
        
    gradient_gen = gen_tape.gradient(gen_loss,generator.trainable_variables) # 计算梯度
    gradient_disc = disc_tape.gradient(disc_loss,discriminator.trainable_variables)
    generator_opt.apply_gradients(zip(gradient_gen,generator.trainable_variables)) # 更新变量
    discriminator_opt.apply_gradients(zip(gradient_disc,discriminator.trainable_variables))

# 绘制函数
def genrate_plot_image(gan_model,test_noise):
    pre_images = gan_model(test_noise,training=False)
    fig = plt.figure(figsize=(4,4))
    for i in range(pre_images.shape[0]):
        plt.subplot(4,4,i+1) # 四行四列
        plt.imshow((pre_images[i,:,:,0]+1)/2,cmap="gray")
        plt.axis("off")
    plt.show()

# 定义训练
def train(dataset,epochs):
    for epoch in range(epochs):
        for image_batch in dataset:
            train_step(image_batch)
            print(".",end="")
        genrate_plot_image(generator,seed)

# 开始训练模型
train(datasets,EPOCHS)

训练结果：

GAN的训练对算力要求较高，而且在训练更复杂的问题时不稳定，容易遇到梯度消失，模式崩溃的问题，训练难度较高

4.GAN的发展与应用 

2014年诞生以来，GAN的发展非常迅速，最初的GAN难以生成高质量的图像，而现在的GAN已经可以生成高质量的图像

2015年，结合了CNN的DCGAN

2016年，变换图像的CycleGAN和pix2pix

2018年，逐步增长网络的proGAN和基于此的StyleGAN 

此外，GAN还可以进行图像数据集生成，人脸生成，视频预测，图文转换，照片融合，超分辨率等

然而就在最近，图像生成领域出现了颠覆性的方法-Diffusion Model，将图像生成效果提升到一个新的高度，风头甚至开始超过GAN！，让我们通过AI作画感受一下这个新方法的强大

想了解原理可以看这个： 由浅入深了解Diffusion Model - 知乎 (zhihu.com)

5.AI作画体验-Disco Diffusion

今年（2022），谷歌基于CLIP-Guided Diffusion创建了一个开源的强大AI图像生成程序-Disco Diffusion，可以根据描述生成精致的图片，一起体验一下吧！

在这里打开（需要梯子）GoogleColab Disco Diffusion

运行全部代码，将使用Google免费提供的大GPU，连接到Google Drive以保存生成的图像

 在这里输入描述指导生成图片，改第一行（一个双引号语句即可），不要改第二行

创建好描述后开始生成图片！

如输入描述"In the morning,overlooking TOKYO city by greg rutkowski and thomas kinkade,Trending on artstationmakoto shinkai style"

 输入描述"city of the future "

当然，即使是相同的描述，每次生成的结果也会不一样，生成的图片自动保存在谷歌云盘

更多可以看看下面的链接

参数解释：AI画家–Disco Diffusion使用指南+本地化保姆级教程_sugarsama的博客-CSDN博客

参考描述：Disco Diffusion Prompt 描述语参考 - 哔哩哔哩 (bilibili.com)