Głęboka splotowa GAN

Głębokie uczenie dla obrazów z PyTorch

Michal Oleszak

Machine Learning Engineer

Intuicja głębokiej splotowej GAN

W dyskryminatorze warstwy liniowe zastępujemy splotowymi
W generatorze stosujemy odwrotne sploty
Trening GAN bywa niestabilny – potrzebne są dodatkowe ustawienia

Wytyczne DCGAN

Głęboka splotowa GAN (DCGAN)
Wytyczne DCGAN:
- Stosować wyłącznie sploty z krokiem
- Nie używać warstw liniowych ani poolingu
- Stosować normalizację wsadową
- W generatorze używać aktywacji ReLU (ostatnia warstwa: tanh)
- W dyskryminatorze używać aktywacji Leaky ReLU

wykresy funkcji aktywacji

Splot z krokiem

Splot z krokiem 1:

Animacja splotu bez kroku.

nn.Conv2d(..., stride=1)

Splot z krokiem 2:

Animacja splotu z krokiem.

nn.Conv2d(..., stride=2)

Blok splotowego generatora

def dc_gen_block(
    in_dim, out_dim, kernel_size, stride
):

    return nn.Sequential(
        nn.ConvTranspose2d(
            in_dim,
            out_dim, 
            kernel_size,
            stride=stride,
        ),

        nn.BatchNorm2d(out_dim),

        nn.ReLU()
    )

Blok generatora składa się z:

Transponowanego splotu z krokiem
Normalizacji wsadowej
Aktywacji ReLU

Głęboki splotowy generator

class DCGenerator(nn.Module):
    def __init__(self, in_dim, kernel_size=4, stride=2):
        super(Generator, self).__init__()
        self.in_dim = in_dim

        self.gen = nn.Sequential(
            dc_gen_block(in_dim, 1024, kernel_size, stride),
            dc_gen_block(1024, 512, kernel_size, stride),
            dc_gen_block(512, 256, kernel_size, stride),

            nn.ConvTranspose2d(256, 3, kernel_size, stride=stride),

            nn.Tanh()
        )


    def forward(self, x):
        x = x.view(len(x), self.in_dim, 1, 1)
        return self.gen(x)

Blok splotowego dyskryminatora

def dc_disc_block(
    in_dim, out_dim, kernel_size, stride
):

    return nn.Sequential(
        nn.Conv2d(
            in_dim,
            out_dim,
            kernel_size,
            stride=stride,
        ),

        nn.BatchNorm2d(out_dim),

        nn.LeakyReLU(0.2),
    )

Blok dyskryminatora składa się z:

Splotowej z krokiem
Normalizacji wsadowej
Aktywacji Leaky ReLU

Głęboki splotowy dyskryminator

class Discriminator(nn.Module):
    def __init__(self, kernel_size=4, stride=2):
        super(Discriminator, self).__init__()

        self.disc = nn.Sequential(
            dc_disc_block(3, 512, kernel_size, stride),
            dc_disc_block(512, 1024, kernel_size, stride),
            nn.Conv2d(1024, 1, kernel_size, stride=stride),
        )


    def forward(self, x):
        x = self.disc(x)
        return x.view(len(x), -1)

Czas na ćwiczenia!

Głębokie uczenie dla obrazów z PyTorch