GAN实战入门：从零搭建生成对抗网络模型并训练你的第一个AI生成器

1次阅读

共计 4367 个字符，预计需要花费 11 分钟才能阅读完成。

生成对抗网络（GAN）近年来在图像生成、风格迁移、数据增强等领域展现出巨大潜力。对于初学者来说，搭建和训练第一个 GAN 模型可能会遇到各种挑战。本文将以 MNIST 数据集为例，手把手教你如何使用 TensorFlow 2.x 实现一个基础的 GAN 模型。

在开始之前，确保你的开发环境满足以下要求：

Python 3.8+（推荐 3.8.10）
TensorFlow 2.4+（推荐 2.6.0）
CUDA 11.0+（如果使用 NVIDIA GPU）
cuDNN 8.0+（配合 CUDA 使用）

建议使用 conda 创建虚拟环境：

conda create -n gan_env python=3.8
conda activate gan_env
pip install tensorflow-gpu==2.6.0 matplotlib numpy

我们将使用经典的 MNIST 手写数字数据集。以下是数据预处理的步骤：

加载数据集并进行归一化处理
将像素值缩放到 [-1, 1] 范围（这对 GAN 训练效果更好）
创建数据批次生成器

import tensorflow as tf
from tensorflow.keras.datasets import mnist
import numpy as np

# 加载数据
(train_images, _), (_, _) = mnist.load_data()

# 预处理
# 添加通道维度并归一化到[-1,1]
train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')
train_images = (train_images - 127.5) / 127.5  # 归一化到[-1, 1]

# 创建数据集
BUFFER_SIZE = 60000
BATCH_SIZE = 256

train_dataset = tf.data.Dataset.from_tensor_slices(train_images).shuffle(BUFFER_SIZE).batch(BATCH_SIZE)

生成器的作用是将随机噪声转换为逼真的图像。我们使用转置卷积（Conv2DTranspose）来构建上采样网络。

from tensorflow.keras import layers

def make_generator_model():
    model = tf.keras.Sequential()
    # 全连接层
    model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    # 重塑为 7x7x256
    model.add(layers.Reshape((7, 7, 256)))

    # 转置卷积上采样
    model.add(layers.Conv2DTranspose(128, (5,5), strides=(1,1), padding='same', use_bias=False))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(64, (5,5), strides=(2,2), padding='same', use_bias=False))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    # 输出层
    model.add(layers.Conv2DTranspose(1, (5,5), strides=(2,2), padding='same', use_bias=False, activation='tanh'))

    return model

判别器的任务是区分真实图像和生成图像。这是一个标准的卷积神经网络分类器。

def make_discriminator_model():
    model = tf.keras.Sequential()
    model.add(layers.Conv2D(64, (5,5), strides=(2,2), padding='same', 
                            input_shape=[28,28,1]))
    model.add(layers.LeakyReLU())
    model.add(layers.Dropout(0.3))

    model.add(layers.Conv2D(128, (5,5), strides=(2,2), padding='same'))
    model.add(layers.LeakyReLU())
    model.add(layers.Dropout(0.3))

    model.add(layers.Flatten())
    model.add(layers.Dense(1))

    return model

我们使用二元交叉熵损失（Binary Crossentropy）和 Adam 优化器。

# 损失函数
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True)

def discriminator_loss(real_output, fake_output):
    real_loss = cross_entropy(tf.ones_like(real_output), real_output)
    fake_loss = cross_entropy(tf.zeros_like(fake_output), fake_output)
    total_loss = real_loss + fake_loss
    return total_loss

def generator_loss(fake_output):
    return cross_entropy(tf.ones_like(fake_output), fake_output)

# 优化器
generator_optimizer = tf.keras.optimizers.Adam(1e-4)
discriminator_optimizer = tf.keras.optimizers.Adam(1e-4)

GAN 训练的关键在于交替训练生成器和判别器。以下是训练步骤：

初始化生成器和判别器
定义训练步骤
设置训练循环
添加可视化监控

# 初始化模型
generator = make_generator_model()
discriminator = make_discriminator_model()

# 训练步骤
@tf.function
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE, 100])

    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
        generated_images = generator(noise, training=True)

        real_output = discriminator(images, training=True)
        fake_output = discriminator(generated_images, training=True)

        gen_loss = generator_loss(fake_output)
        disc_loss = discriminator_loss(real_output, fake_output)

    gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
    gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)

    # 应用梯度裁剪防止梯度爆炸
    clipped_grad_gen = [tf.clip_by_value(grad, -1., 1.) for grad in gradients_of_generator]
    clipped_grad_disc = [tf.clip_by_value(grad, -1., 1.) for grad in gradients_of_discriminator]

    generator_optimizer.apply_gradients(zip(clipped_grad_gen, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(clipped_grad_disc, discriminator.trainable_variables))

    return gen_loss, disc_loss

# 训练循环
def train(dataset, epochs):
    for epoch in range(epochs):
        for image_batch in dataset:
            gen_loss, disc_loss = train_step(image_batch)

        # 每个 epoch 结束后打印损失
        print(f'Epoch {epoch+1}, Gen Loss: {gen_loss}, Disc Loss: {disc_loss}')

        # 每 5 个 epoch 保存一次生成的图像
        if (epoch + 1) % 5 == 0:
            generate_and_save_images(generator, epoch + 1, tf.random.normal([16, 100]))

模式崩溃表现为生成器只产生有限种类的样本。解决方法包括：