16 生成对抗网络（GAN）图像生成案例探索

在上一篇中，我们讨论了改善 GAN 训练的模型架构变化，了解到不同架构设计在提升生成效果方面的重要性。今天，我们将深入探讨 GAN 的实际应用，特别是图像生成的案例。这一过程不仅体现了 GAN 的强大能力，同时也为我们实际应用 GAN 提供了宝贵的示例。

GAN简介

生成对抗网络（GAN）由两个神经网络组成：生成器（Generator）和判别器（Discriminator）。生成器试图从随机噪声中生成逼真的图像，而判别器的任务是区分真实图像和生成的图像。通过对抗训练，生成器逐渐提高生成图像的质量。

在图像生成的过程中，我们通常会使用基于条件的 GAN（CGAN）或变分自编码器（VAE）等方法来赋予生成网络条件信息，以控制生成图像的特征。

图像生成案例

1. MNIST 手写数字生成

MNIST 数据集是一个经典的手写数字数据集，包含了 0 到 9 的手写数字。我们可以使用 GAN 来生成新的手写数字图像。

生成器与判别器架构

• 生成器：负责从随机噪声生成手写数字图像。输入为一维随机噪声向量，输出为一个 28x28 的图像。
• 判别器：负责区分输入图像是真实的 MNIST 图像还是生成的图像。

以下是一个简单的生成器和判别器的代码示例：

import keras
from keras.layers import Dense, Reshape, Flatten, Dropout, LeakyReLU
from keras.models import Sequential
import numpy as np

# 生成器
def build_generator():
    model = Sequential()
    model.add(Dense(256, input_dim=100))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dense(512))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dense(1024))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dense(28 * 28 * 1, activation='tanh'))
    model.add(Reshape((28, 28, 1)))
    return model

# 判别器
def build_discriminator():
    model = Sequential()
    model.add(Flatten(input_shape=(28, 28, 1)))
    model.add(Dense(512))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dropout(0.3))
    model.add(Dense(256))
    model.add(LeakyReLU(alpha=0.2))
    model.add(Dropout(0.3))
    model.add(Dense(1, activation='sigmoid'))
    return model

2. 训练过程

GAN 的训练过程同时更新生成器和判别器。我们首先训练判别器，然后训练生成器。以下是训练代码的核心部分：

# 编译模型
discriminator = build_discriminator()
discriminator.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

generator = build_generator()

# GAN模型
z = keras.Input(shape=(100,))
img = generator(z)
discriminator.trainable = False
validity = discriminator(img)

gan = keras.Model(z, validity)
gan.compile(loss='binary_crossentropy', optimizer='adam')

# 训练过程
for epoch in range(num_epochs):
    # 训练判别器
    idx = np.random.randint(0, X_train.shape[0], batch_size)
    real_imgs = X_train[idx]

    z = np.random.normal(0, 1, (batch_size, 100))  # 随机噪声
    fake_imgs = generator.predict(z)

    d_loss_real = discriminator.train_on_batch(real_imgs, np.ones((batch_size, 1)))
    d_loss_fake = discriminator.train_on_batch(fake_imgs, np.zeros((batch_size, 1)))
    d_loss = 0.5 * np.add(d_loss_real, d_loss_fake)

    # 训练生成器
    z = np.random.normal(0, 1, (batch_size, 100))
    g_loss = gan.train_on_batch(z, np.ones((batch_size, 1)))

    # 输出损失
    print(f"{epoch} [D loss: {d_loss[0]:.4f}, acc.: {100 * d_loss[1]:.2f}%] [G loss: {g_loss:.4f}]")

3. 生成图像展示

训练完成后，我们可以生成新的数字图像。每次输入不同的随机噪声，生成器都会输出相应的手写数字图像。

import matplotlib.pyplot as plt

def generate_and_save_images(model, epoch, test_input):
    predictions = model.predict(test_input)
    plt.figure(figsize=(10, 10))
    for i in range(25):
        plt.subplot(5, 5, i + 1)
        plt.imshow(predictions[i, :, :, 0], cmap='gray')
        plt.axis('off')
    plt.savefig(f"gan_generated_epoch_{epoch}.png")
    plt.show()

# 生成图像
random_latent_vectors = np.random.normal(0, 1, (25, 100))
generate_and_save_images(generator, num_epochs, random_latent_vectors)

总结

在本章节中，我们通过实际案例展示了如何使用 GAN 进行图像生成。在下一篇中，我们将继续探索 GAN 的应用，特别是风格转移等技术，进一步扩展 GAN 在图像处理中的潜力。通过不断实践和学习，我们能够更好地掌握 GAN 的应用，推动计算机视觉领域的进步。