Deep Convolutional GAN

Djupinlärning för bilder med PyTorch

Michal Oleszak

Machine Learning Engineer

Deep Convolutional GAN – intuition

I diskriminatorn ersätts linjära lager med faltningar
I generatorn kan vi använda transponerade faltningar
GAN-träning är ofta instabil – fler justeringar behövs

DCGAN-riktlinjer

Deep Convolutional GAN (DCGAN)
DCGAN-riktlinjer:
- Använd endast strided-faltningar
- Använd inga linjära lager eller poolinglager
- Använd batchnormalisering
- Använd ReLU-aktiveringar i generatorn (utom sista lagret som använder tanh)
- Använd Leaky ReLU-aktivering i diskriminatorn

aktiveringsgrafik

Strided-faltning

Faltning med steglängd 1:

Animation av en faltning utan steglängd.

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

Faltning med steglängd 2:

Animation av en faltning med steglängd.

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

Konvolutionellt generatorblock

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()
    )

Generatorblocket består av:

Strided transponerad faltning
Batchnormalisering
ReLU-aktivering

Deep Convolutional 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)

Konvolutionellt diskriminatorblock

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),
    )

Diskriminatorblocket består av:

Strided faltning
Batchnormalisering
Leaky ReLU-aktivering

Deep Convolutional Discriminator

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)

Nu kör vi en övning!

Djupinlärning för bilder med PyTorch