DCGAN原理及代码

import torch
import torch.nn as nn
import torch.optim as optim
from torch import device
from torchvision import datasets, transforms
这段代码导入了 PyTorch 相关的核心库以及用于处理图像数据的torchvision库中的部分模块。torch是 PyTorch 的基础库，nn用于构建神经网络模型，optim用于定义优化器，device用于指定计算设备（如 CPU 或 GPU），datasets和transforms用于加载和预处理图像数据。



# 定义超参数
latent_dim = 100  # 噪声向量维度
image_size =   # 图像大小
channels = 3  # 图像通道数（RGB）
batch_size = 128
num_epochs = 100
learning_rate = 0.0002
这里定义了一系列超参数，包括生成对抗网络（GAN）中噪声向量的维度、生成图像的大小、图像的通道数（RGB 图像为 3 通道）、每次训练的批量大小、训练的轮数以及学习率。这些超参数将在后续的模型训练和生成过程中起到关键作用。




# 数据预处理与加载
transform = transforms.Compose([
    transforms.Resize(image_size),
    transforms.CenterCrop(image_size),
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
])
dataset = datasets.ImageFolder('path/to/image/dataset', transform=transform)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=batch_size, shuffle=True)

• 数据预处理：首先定义了一个transform操作，它由一系列的图像变换组成。包括将图像调整为指定的大小、进行中心裁剪、转换为张量格式以及对图像的像素值进行归一化处理，使其均值为 0.5，标准差为 0.5。
• 数据加载：使用ImageFolder类从指定路径加载图像数据集，并应用前面定义的transform操作。然后通过DataLoader将数据集包装成可迭代的数据加载器，以便在训练过程中按批次获取数据，并且设置了随机打乱数据的功能。

# 定义生成器
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()

        self.main = nn.Sequential(
            # 输入层
            nn.ConvTranspose2d(latent_dim, 512, kernel_size=4, stride=1, padding=0, bias=False),
            nn.BatchNorm2d(512),
            nn.ReLU(True),

            # 层叠反卷积层
            nn.ConvTranspose2d(512, 256, kernel_size=4, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(256),
            nn.ReLU(True),

            nn.ConvTranspose2d(256, 128, kernel_size=4, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(128),
            nn.ReLU(True),

            nn.ConvTranspose2d(128, channels, kernel_size=4, stride=2, padding=1, bias=False),
            nn.Tanh()  # 输出层，使用tanh激活函数以确保生成图像像素值在[-1, 1]范围内
        )

    def forward(self, input):
        return self.main(input)

• 模型结构：生成器是一个继承自nn.Module的神经网络类。在其构造函数__init__中，定义了一个由多个层组成的main序列模型。包括一个输入层的转置卷积层（将噪声向量转换为具有一定特征维度的张量），随后跟着几个层叠的转置卷积层用于逐步上采样和生成图像特征，每个转置卷积层后都跟着批量归一化层和 ReLU 激活函数，最后输出层使用tanh激活函数将生成图像的像素值映射到[-1, 1]范围内。
• 前向传播：forward方法定义了数据在模型中的正向传播路径，即输入噪声向量通过main序列模型得到生成的图像。

# 定义判别器
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()

        self.main = nn.Sequential(
            # 输入层
            nn.Conv2d(channels, , kernel_size=4, stride=2, padding=1, bias=False),
            nn.LeakyReLU(0.2, inplace=True),

            # 层叠卷积层
            nn.Conv2d(, 128, kernel_size=4, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(128),
            nn.LeakyReLU(0.2, inplace=True),

            nn.Conv2d(128, 256, kernel_size=4, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(256),
            nn.LeakyReLU(0.2, inplace=True),

            nn.Conv2d(256, 512, kernel_size=4, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(512),
            nn.LeakyReLU(0.2, inplace=True),

            # 输出层
            nn.Conv2d(512, 1, kernel_size=4, stride=1, padding=0, bias=False),
            nn.Sigmoid()  # 输出判别概率
        )

    def forward(self, input):
        return self.main(input).view(-1)

• 模型结构：判别器同样是继承自nn.Module的类。在构造函数中定义的main序列模型由多个卷积层组成。从输入层开始，依次通过多个层叠的卷积层对输入图像进行下采样和特征提取，每个卷积层后跟着批量归一化层和 LeakyReLU 激活函数（斜率为 0.2），最后输出层使用sigmoid函数将判别结果映射到[0, 1]区间，表示输入图像是真实图像的概率。
• 前向传播：forward方法定义了数据在判别器中的正向传播路径，输入图像通过main序列模型后经过view(-1)操作将输出张量展平为一维向量，得到判别器对输入图像的判别概率。

# 实例化模型
generator = Generator()
discriminator = Discriminator()

# 使用Adam优化器
optimizer_G = optim.Adam(generator.parameters(), lr=learning_rate, betas=(0.5, 0.999))
optimizer_D = optim.Adam(discriminator.parameters(), lr=learning_rate, betas=(0.5, 0.999))

# 定义损失函数
criterion = nn.BCELoss()

• 模型实例化：分别实例化了生成器和判别器模型。
• 优化器定义：为生成器和判别器分别定义了 Adam 优化器，指定了学习率以及betas参数（用于控制优化器的动量和自适应学习率的衰减）。
• 损失函数定义：使用BCELoss作为损失函数，用于衡量判别器和生成器的输出与真实标签之间的差异。这种损失函数适用于二分类问题，在这里用于判断图像是真实的还是生成的。

# 训练循环
for epoch in range(num_epochs):
    for i, (real_images, _) in enumerate(dataloader):
        real_images = real_images.to(device)  # 将数据转移到GPU（如果可用）

        # 训练判别器
        discriminator.zero_grad()
        real_labels = torch.ones(batch_size, device=device)
        fake_labels = torch.zeros(batch_size, device=device)

        # 计算真实图像损失
        real_output = discriminator(real_images)
        d_real_loss = criterion(real_output, real_labels)

        # 生成假图像并计算损失
        noise = torch.randn(batch_size, latent_dim, device=device)
        fake_images = generator(noise)
        fake_output = discriminator(fake_images.detach())  # detach()避免反向传播到生成器
        d_fake_loss = criterion(fake_output, fake_labels)

        # 判别器总损失
        d_loss = d_real_loss + d_fake_loss
        d_loss.backward()
        optimizer_D.step()

        # 训练生成器
        generator.zero_grad()
        fake_labels.fill_(1)  # 期望生成器产生的图像被判别器判断为真

        # 重新计算生成图像的判别损失
        fake_output = discriminator(fake_images)
        g_loss = criterion(fake_output, fake_labels)
        g_loss.backward()
        optimizer_G.step()

        if (i + 1) % 100 == 0:
            print(f"Epoch [{epoch}/{num_epochs}], Step [{i + 1}/{len(dataloader)}], "
                  f"D loss: {d_loss.item():.4f}, G loss: {g_loss.item():.4f}")

• 整体训练流程：通过外层的for循环遍历训练的轮数，内层的for循环遍历数据加载器中的每个批次数据。
• 判别器训练：
  • 首先将判别器的梯度清零，然后定义真实图像的标签为全 1 向量，生成图像的标签为全 0 向量。
  • 计算判别器对真实图像的输出与真实标签之间的损失（d_real_loss），以及对生成图像（通过生成器生成并从计算图中分离，避免反向传播到生成器）的输出与假标签之间的损失（d_fake_loss）。
  • 将这两个损失相加得到判别器的总损失d_loss，然后进行反向传播更新判别器的参数。
• 生成器训练：
  • 先将生成器的梯度清零，然后将生成图像的期望标签设置为全 1 向量，表示希望生成器生成的图像能被判别器判断为真实图像。
  • 重新计算生成图像通过判别器后的输出与期望标签之间的损失（g_loss），进行反向传播更新生成器的参数。
• 训练信息打印：每隔 100 个批次打印当前轮数、批次数以及判别器和生成器的损失值。

# 生成新图像
fixed_noise = torch.randn(, latent_dim, device=device)
fake_images = generator(fixed_noise).detach().cpu()
# 可以保存或显示fake_images，查看生成的图像效果

在训练完成后，通过生成一个固定的噪声向量fixed_noise，将其输入到训练好的生成器中得到生成的图像fake_images，然后将其从 GPU（如果在 GPU 上训练）转移到 CPU，并可以进一步保存或显示这些生成的图像来查看生成效果。

总体而言，这段代码实现了一个基本的生成对抗网络（GAN），包括数据预处理、模型定义、训练过程以及生成新图像的功能，用于生成与训练数据相似的新图像。