 TensorFlow.orgで表示 |  GoogleColabで実行 |  GitHubでソースを表示 |  ノートブックをダウンロード |
このチュートリアルでは、 Deep Convolutional Generative Adversarial Network （DCGAN）を使用して手書き数字の画像を生成する方法を示します。コードは、tf.GradientTapeトレーニングループを備えたtf.GradientTape SequentialAPIを使用して記述されています。
GANとは何ですか？
生成的敵対的ネットワーク（GAN）は、今日のコンピューターサイエンスで最も興味深いアイデアの1つです。 2つのモデルは、敵対的なプロセスによって同時にトレーニングされます。弁別（「美術評論家」）は学習するが、偽物とは別に、実際の映像を伝えるためにしながら、発電機（「アーティスト」）は、本物に見える画像を作成することを学びます。
トレーニング中、ジェネレーターは徐々にリアルに見える画像を作成するのが上手になり、ディスクリミネーターはそれらを区別するのが上手になります。弁別器が実際の画像と偽物を区別できなくなると、プロセスは平衡に達します。
このノートブックは、MNISTデータセットでこのプロセスを示しています。次のアニメーションは、ジェネレーターが50エポックでトレーニングされたときに生成された一連の画像を示しています。画像はランダムノイズとして始まり、時間の経過とともに手書きの数字にますます似ています。
GANの詳細については、MITのディープラーニング入門コースをお勧めします。
セットアップ
import tensorflow as tf
tf.__version__
'2.3.0'
# To generate GIFspip install -q imageiopip install -q git+https://github.com/tensorflow/docs
import glob
import imageio
import matplotlib.pyplot as plt
import numpy as np
import os
import PIL
from tensorflow.keras import layers
import time
from IPython import display
データセットをロードして準備する
MNISTデータセットを使用して、ジェネレーターとディスクリミネーターをトレーニングします。ジェネレーターは、MNISTデータに似た手書き数字を生成します。
(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 # Normalize the images to [-1, 1]
BUFFER_SIZE = 60000
BATCH_SIZE = 256
# Batch and shuffle the data
train_dataset = tf.data.Dataset.from_tensor_slices(train_images).shuffle(BUFFER_SIZE).batch(BATCH_SIZE)
モデルを作成する
ジェネレーターとディスクリミネーターの両方が、 Keras SequentialAPIを使用して定義されます。
ジェネレーター
ジェネレーターは、 tf.keras.layers.Conv2DTranspose （アップサンプリング）レイヤーを使用して、シードから画像を生成します（ランダムノイズ）。このシードを入力として受け取るDenseレイヤーから始めて、目的の画像サイズである28x28x1に達するまで、数回アップサンプリングします。 tanhを使用する出力レイヤーを除いて、各レイヤーのtf.keras.layers.LeakyReLUアクティベーションに注意してtf.keras.layers.LeakyReLU 。
def make_generator_model():
model = tf.keras.Sequential()
model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
model.add(layers.Reshape((7, 7, 256)))
assert model.output_shape == (None, 7, 7, 256) # Note: None is the batch size
model.add(layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
assert model.output_shape == (None, 7, 7, 128)
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
model.add(layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False))
assert model.output_shape == (None, 14, 14, 64)
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
model.add(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
（まだトレーニングされていない）ジェネレーターを使用してイメージを作成します。
generator = make_generator_model()
noise = tf.random.normal([1, 100])
generated_image = generator(noise, training=False)
plt.imshow(generated_image[0, :, :, 0], cmap='gray')
<matplotlib.image.AxesImage at 0x7f2729b9f6d8>
弁別器
弁別器はCNNベースの画像分類器です。
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
（まだ訓練されていない）弁別器を使用して、生成された画像を本物または偽物として分類します。モデルは、実際の画像には正の値を出力し、偽の画像には負の値を出力するようにトレーニングされます。
discriminator = make_discriminator_model()
decision = discriminator(generated_image)
print (decision)
tf.Tensor([[0.0003284]], shape=(1, 1), dtype=float32)
損失とオプティマイザーを定義する
両方のモデルの損失関数とオプティマイザーを定義します。
# This method returns a helper function to compute cross entropy loss
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True)
弁別器の損失
この方法は、弁別器が実際の画像と偽物をどれだけうまく区別できるかを定量化します。これは、実画像での弁別器の予測を1の配列と比較し、偽の（生成された）画像での弁別器の予測を0の配列と比較します。
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
発電機の損失
ジェネレータの損失は、ディスクリミネータをだますことができたかを定量化します。直感的には、ジェネレーターのパフォーマンスが良好な場合、ディスクリミネーターは偽の画像を本物（または1）として分類します。ここでは、生成された画像に対する弁別子の決定を1の配列と比較します。
def generator_loss(fake_output):
return cross_entropy(tf.ones_like(fake_output), fake_output)
2つのネットワークを別々にトレーニングするため、ディスクリミネーターとジェネレータオプティマイザーは異なります。
generator_optimizer = tf.keras.optimizers.Adam(1e-4)
discriminator_optimizer = tf.keras.optimizers.Adam(1e-4)
チェックポイントを保存する
このノートブックは、モデルを保存および復元する方法も示しています。これは、長時間実行されるトレーニングタスクが中断された場合に役立ちます。
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)
トレーニングループを定義する
EPOCHS = 50
noise_dim = 100
num_examples_to_generate = 16
# We will reuse this seed overtime (so it's easier)
# to visualize progress in the animated GIF)
seed = tf.random.normal([num_examples_to_generate, noise_dim])
トレーニングループは、ジェネレーターがランダムシードを入力として受け取ることから始まります。そのシードは、画像を生成するために使用されます。次に、弁別器を使用して、実際の画像（トレーニングセットから抽出）と偽の画像（ジェネレーターによって生成された）を分類します。これらのモデルごとに損失が計算され、勾配を使用してジェネレーターとディスクリミネーターが更新されます。
# Notice the use of `tf.function`
# This annotation causes the function to be "compiled".
@tf.function
def train_step(images):
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)
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)
generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))
def train(dataset, epochs):
for epoch in range(epochs):
start = time.time()
for image_batch in dataset:
train_step(image_batch)
# Produce images for the GIF as we go
display.clear_output(wait=True)
generate_and_save_images(generator,
epoch + 1,
seed)
# Save the model every 15 epochs
if (epoch + 1) % 15 == 0:
checkpoint.save(file_prefix = checkpoint_prefix)
print ('Time for epoch {} is {} sec'.format(epoch + 1, time.time()-start))
# Generate after the final epoch
display.clear_output(wait=True)
generate_and_save_images(generator,
epochs,
seed)
画像を生成して保存する
def generate_and_save_images(model, epoch, test_input):
# Notice `training` is set to False.
# This is so all layers run in inference mode (batchnorm).
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()
モデルをトレーニングする
上で定義したtrain()メソッドを呼び出して、ジェネレーターとディスクリミネーターを同時にトレーニングします。 GANのトレーニングには注意が必要です。ジェネレータとディスクリミネータが互いに圧倒しないことが重要です（たとえば、同じ速度でトレーニングする）。
トレーニングの開始時に、生成された画像はランダムノイズのように見えます。トレーニングが進むにつれて、生成された数字はますますリアルに見えます。約50エポック後、それらはMNISTの数字に似ています。 Colabのデフォルト設定では、これには約1分/エポックかかる場合があります。
train(train_dataset, EPOCHS)
最新のチェックポイントを復元します。
checkpoint.restore(tf.train.latest_checkpoint(checkpoint_dir))
<tensorflow.python.training.tracking.util.CheckpointLoadStatus at 0x7f2729bc3128>
GIFを作成する
# Display a single image using the epoch number
def display_image(epoch_no):
return PIL.Image.open('image_at_epoch_{:04d}.png'.format(epoch_no))
display_image(EPOCHS)
imageioを使用して、トレーニング中に保存された画像を使用してアニメーションGIFを作成します。
anim_file = 'dcgan.gif'
with imageio.get_writer(anim_file, mode='I') as writer:
filenames = glob.glob('image*.png')
filenames = sorted(filenames)
for filename in filenames:
image = imageio.imread(filename)
writer.append_data(image)
image = imageio.imread(filename)
writer.append_data(image)
import tensorflow_docs.vis.embed as embed
embed.embed_file(anim_file)
次のステップ
このチュートリアルでは、GANの作成とトレーニングに必要な完全なコードを示しました。次のステップとして、別のデータセット、たとえばKaggleで利用可能な大規模なCeleb Faces属性（CelebA）データセットを試してみることをお勧めします。 GANの詳細については、 NIPS 2016チュートリアル：Generative AdversarialNetworksをお勧めします。