tensorflow->チュートリアル->Generative modelsのDCGANをやったので要約。
tf.kerasとeager executionを使って、google colabで実行している。
理論的なことにはほとんど触れない。
元記事はTensorFlow Authorsらによる。
Copyright 2018 The TensorFlow Authors.
Licensed under the Apache License, Version 2.0 (the "License").
GANとは
生成モデルを作るフレームワーク。
データ生成するGenerator(以下G)と、訓練データまたは生成されたデータから、データが来た確率を推定するDiscriminator(以下D)を敵対的に同時訓練する。Dが本物か偽物か識別できなくなるまで、Gは少しずつデータ生成がうまくなる。
ここではMNISTでこのプロセスを示す。
50epoch訓練したGの生成した画像を時系列で示す。時間が経つごとに訓練画像と見分けがつかなくなる。
GANについてはMITのIntro to Deep Learningコースをおすすめする。ディープ生成モデルについてもレクチャーがある。(スライドもリンクしてあったがリンク切れ)
#imageioは訓練のgif画像のため
!pip install imageio
import Tensorflow, eager execution
の有効化
import tensorflow as tf
tf.enable_eager_execution()
import glob
import imageio
import matplotlib.pyplot as plt
import numpy as np
import os
import PIL
import time
from IPython import display
データセットロード
GとDはMNISTで訓練する。GはMNISTに似た画像を生成する。
(train_images, train_labels), (_, _) = tf.keras.datasets.mnist.load_data()
train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')
train_images = (train_images - 127.5) / 127.5 # 画像は正規化して 値を[-1, 1]に収める
BUFFER_SIZE = 60000
BATCH_SIZE = 256
バッチの作成、データセットのシャッフルににtf.data
を使う
train_dataset = tf.data.Dataset.from_tensor_slices(train_images).shuffle(BUFFER_SIZE).batch(BATCH_SIZE)
モデルを作る
tf.keras
のSequential APIを使う。
Generator
GはDを騙せるような画像を作る。アーキテクチャはConv2DTranspose(Upsampling)レイヤを使う。
ほしい画像サイズである28x28x1にするために全結合からスタートして2回upsampleする。幅・高さは増加させ、奥行きは減少させていく。活性化関数にLeaky ReLUを使うが、最後のみtanh
にする。
def make_generator_model():
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.LeakyReLU())
model.add(tf.keras.layers.Reshape((7, 7, 256)))
assert model.output_shape == (None, 7, 7, 256) # Note: None は(指定しない意味で、自動的に)batch sizeの値になる
model.add(tf.keras.layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
assert model.output_shape == (None, 7, 7, 128)
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.LeakyReLU())
model.add(tf.keras.layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False))
assert model.output_shape == (None, 14, 14, 64)
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.LeakyReLU())
model.add(tf.keras.layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding='same', use_bias=False, activation='tanh'))
assert model.output_shape == (None, 28, 28, 1)
return model
Discriminator
画像が本物かどうか判別する。通常のCNNベース分類器に似ている。
def make_discriminator_model():
model = tf.keras.Sequential()
#出力チャネル数、カーネルサイズ、ストライド、パディング
model.add(tf.keras.layers.Conv2D(64, (5, 5), strides=(2, 2), padding='same'))
model.add(tf.keras.layers.LeakyReLU())
model.add(tf.keras.layers.Dropout(0.3))
model.add(tf.keras.layers.Conv2D(128, (5, 5), strides=(2, 2), padding='same'))
model.add(tf.keras.layers.LeakyReLU())
model.add(tf.keras.layers.Dropout(0.3))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(1))
return model
generator = make_generator_model()
discriminator = make_discriminator_model()
誤差関数とoptimizerの定義
Generator
Gの誤差関数は生成画像とarray of onesのシグモイドクロスエントロピー。
tf.ones_like()
は引数のテンソルと同じshape, typeで中身が全て1のテンソルを返す。
def generator_loss(generated_output):
return tf.losses.sigmoid_cross_entropy(tf.ones_like(generated_output), generated_output)
Discriminator
Dの誤差関数は2つ引数を取る。一つは本物画像、もう一つは生成画像。計算は次の通り。
- 真の画像とarray of onesとのシグモイドクロスエントロピーを計算する。これは
real_loss
と呼ぶ。 - 生成画像とarray of zerosのシグモイドクロスエントロピーを計算する。これは
generated_loss
と呼ぶ。 -
generated_loss
とreal_loss
の和であるtotal_loss
を計算する。
# 引数のreal_output, generated_outputはいずれもdiscriminatorを通した後の値。
# generatorの生成したoutputではない。一瞬びっくりした。
def discriminator_loss(real_output, generated_output):
# [1,1,...,1] with real output since it is true and we want our generated examples to look like it
real_loss = tf.losses.sigmoid_cross_entropy(multi_class_labels=tf.ones_like(real_output), logits=real_output)
# [0,0,...,0] with generated images since they are fake
generated_loss = tf.losses.sigmoid_cross_entropy(multi_class_labels=tf.zeros_like(generated_output), logits=generated_output)
total_loss = real_loss + generated_loss
return total_loss
2つのネットワークを別々に訓練するのでGとDのオプティマイザは別物。
generator_optimizer = tf.train.AdamOptimizer(1e-4)
discriminator_optimizer = tf.train.AdamOptimizer(1e-4)
Checkpoints (Object-based saving)
※こちらによるとObject-based savingは従来のname based(変数名だけでcheckpointに保存される値を管理する)とは異なり、オブジェクトのdependency graphをcheckpointに一緒に保存し、プログラムの変更や複数checkpointの使用にロバストになるらしい。
checkpoint_dir = './training_checkpoints'
checkpoint_prefix = os.path.join(checkpoint_dir, "ckpt")
checkpoint = tf.train.Checkpoint(generator_optimizer=generator_optimizer,
discriminator_optimizer=discriminator_optimizer,
generator=generator,
discriminator=discriminator)
訓練の設定
パラメータの定義
EPOCHS = 50
noise_dim = 100
num_examples_to_generate = 16
#訓練の経過を見るための固定入力ランダムベクトル
random_vector_for_generation = tf.random_normal([num_examples_to_generate,
noise_dim])
訓練方法
Gにはランダムベクトルを入力する。MNISTっぽくなるようにする。DはMNISTの本物と、Gの生成画像を入力。
def train_step(images):
# 正規分布に従う入力ベクトルを作る
noise = tf.random_normal([BATCH_SIZE, noise_dim])
with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
generated_images = generator(noise, training=True)
real_output = discriminator(images, training=True)
generated_output = discriminator(generated_images, training=True)
gen_loss = generator_loss(generated_output)
disc_loss = discriminator_loss(real_output, generated_output)
gradients_of_generator = gen_tape.gradient(gen_loss, generator.variables)
gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.variables)
generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.variables))
discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.variables))
ColabのTesla K80 1台で1epochあたり30秒だったらしい。(2018/10時点で)
Eager executionはグラフ定義に比べて最適化できないので遅くなる場合がある。tf.contrib.eager.defunでグラフにコンパイルすると最大20秒/epochくらい速くなる、とのこと。
train_step = tf.contrib.eager.defun(train_step)
def train(dataset, epochs):
for epoch in range(epochs):
start = time.time()
for images in dataset:
train_step(images)
display.clear_output(wait=True)
generate_and_save_images(generator,
epoch + 1,
random_vector_for_generation)
# saving (checkpoint) the model every 15 epochs
if (epoch + 1) % 15 == 0:
checkpoint.save(file_prefix = checkpoint_prefix)
print ('Time taken for epoch {} is {} sec'.format(epoch + 1,
time.time()-start))
# generating after the final epoch
display.clear_output(wait=True)
generate_and_save_images(generator,
epochs,
random_vector_for_generation)
Generate and save images関数
def generate_and_save_images(model, epoch, test_input):
# 推定時にbatchnormは訓練しないので、Falseにする
predictions = model(test_input, training=False)
fig = plt.figure(figsize=(4,4))
for i in range(predictions.shape[0]):
plt.subplot(4, 4, i+1)
plt.imshow(predictions[i, :, :, 0] * 127.5 + 127.5, cmap='gray')
plt.axis('off')
plt.savefig('image_at_epoch_{:04d}.png'.format(epoch))
plt.show()
訓練する
上で定義したtrain()
関数で開始。
GANの訓練は扱いづらい。GとDが互いに拮抗するようにして、どちらかが強くなりすぎないように。
訓練の最初は生成イメージがノイズっぽいが、訓練が進むとどんどんリアルになる。50epochぐらいでMNISTの数字っぽくなる。
%%time
train(train_dataset, EPOCHS)
※%%time
はjupyterでセルの計測時間を測るセルマジック
最新のcheckpointをリストアする
checkpoint.restore(tf.train.latest_checkpoint(checkpoint_dir))
生成画像
訓練が終わったら画像生成しよう!plotして完成だ!
# 単体画像
def display_image(epoch_no):
return PIL.Image.open('image_at_epoch_{:04d}.png'.format(epoch_no))
display_image(EPOCHS)
保存された画像全部のGIFを生成する
訓練中に保存された全ての画像を使ってアニメーションGIFを作る。imageio
を使う。
with imageio.get_writer('dcgan.gif', mode='I') as writer:
filenames = glob.glob('image*.png')
filenames = sorted(filenames)
last = -1
for i,filename in enumerate(filenames):
frame = 2*(i**0.5)
if round(frame) > round(last):
last = frame
else:
continue
image = imageio.imread(filename)
writer.append_data(image)
image = imageio.imread(filename)
writer.append_data(image)
# this is a hack to display the gif inside the notebook
os.system('cp dcgan.gif dcgan.gif.png')
表示
display.Image(filename="dcgan.gif.png")
アニメーションGIFをダウンロードする
from google.colab import files
files.download('dcgan.gif')
GANについて学ぶ
次のステップとして別のデータセットで実験したいかもしれない。例えば Large-scale Celeb Faces Attributes (CelebA)
GANについては、
- 先述のMITのレクチャーまたはStanford's CS231nのこのレクチャー
- CVPR 2018 Tutorial on GANsとNIPS 2016 Tutorial: Generative Adversarial Networksもおすすめ