目录
目录
目录
前言
一、定义超参数
二、下载数据
三、配置数据
四、定义鉴别器
五、训练模型并保存
总结
前言
- 🍨 本文为🔗365天深度学习训练营中的学习记录博客
- 🍖 原作者：K同学啊
一、定义超参数
import argparse
import os
import numpy as np
import torchvision.transforms as transforms
from torchvision.utils import save_image
from torch.utils.data import DataLoader
from torchvision import datasets
from torch.autograd import Variable
import torch.nn as nn
import torch## 创建文件夹
os.makedirs("./images/", exist_ok=True) # 记录训练过程的图片效果
os.makedirs("./save/", exist_ok=True) # 训练完成时模型保存的位置
os.makedirs("./datasets/mnist", exist_ok=True) # 下载数据集存放的位置## 超参数配置
n_epochs = 50
batch_size= 64
lr = 0.0002
b1 = 0.5
b2 = 0.999
n_cpu = 2
latent_dim= 100
img_size = 28
channels = 1
sample_interval=500# 图像的尺寸:(1， 28， 28), 和图像的像素面积:(784)
img_shape = (channels, img_size, img_size)
img_area = np.prod(img_shape)# 设置cuda:(cuda:0)
cuda = True if torch.cuda.is_available() else False
print(cuda)二、下载数据
# mnist数据集下载
mnist = datasets.MNIST(root='./datasets/', train=True, download=True, transform=transforms.Compose([transforms.Resize(img_size), transforms.ToTensor(), transforms.Normalize([0.5], [0.5])]),
)
三、配置数据
# 配置数据到加载器
dataloader = DataLoader(mnist,batch_size=batch_size,shuffle=True,
)四、定义鉴别器
# 将图片28x28展开成784，然后通过多层感知器，中间经过斜率设置为0.2的LeakyReLU激活函数，
# 最后接sigmoid激活函数得到一个0到1之间的概率进行二分类
class Discriminator(nn.Module):def __init__(self):super(Discriminator, self).__init__()self.model = nn.Sequential(nn.Linear(img_area, 512), # 输入特征数为784，输出为512nn.LeakyReLU(0.2, inplace=True), # 进行非线性映射nn.Linear(512, 256), # 输入特征数为512，输出为256nn.LeakyReLU(0.2, inplace=True), # 进行非线性映射nn.Linear(256, 1), # 输入特征数为256，输出为1nn.Sigmoid(), # sigmoid是一个激活函数，二分类问题中可将实数映射到[0, 1],作为概率值, 多分类用softmax函数)def forward(self, img):img_flat = img.view(img.size(0), -1) # 鉴别器输入是一个被view展开的(784)的一维图像:(64, 784)validity = self.model(img_flat) # 通过鉴别器网络return validity 五、训练模型并保存
## 创建生成器，判别器对象
generator = Generator()
discriminator = Discriminator()## 首先需要定义loss的度量方式 （二分类的交叉熵）
criterion = torch.nn.BCELoss()## 其次定义 优化函数,优化函数的学习率为0.0003
## betas:用于计算梯度以及梯度平方的运行平均值的系数
optimizer_G = torch.optim.Adam(generator.parameters(), lr=lr, betas=(b1, b2))
optimizer_D = torch.optim.Adam(discriminator.parameters(), lr=lr, betas=(b1, b2))## 如果有显卡，都在cuda模式中运行
if torch.cuda.is_available():generator = generator.cuda()discriminator = discriminator.cuda()criterion = criterion.cuda()## 进行多个epoch的训练
for epoch in range(n_epochs): # epoch:50for i, (imgs, _) in enumerate(dataloader): # imgs:(64, 1, 28, 28) _:label(64)## =============================训练判别器==================## view(): 相当于numpy中的reshape，重新定义矩阵的形状, 相当于reshape(128，784) 原来是(128, 1, 28, 28)imgs = imgs.view(imgs.size(0), -1) # 将图片展开为28*28=784 imgs:(64, 784)real_img = Variable(imgs).cuda() # 将tensor变成Variable放入计算图中，tensor变成variable之后才能进行反向传播求梯度real_label = Variable(torch.ones(imgs.size(0), 1)).cuda() ## 定义真实的图片label为1fake_label = Variable(torch.zeros(imgs.size(0), 1)).cuda() ## 定义假的图片的label为0## ---------------------## Train Discriminator## 分为两部分：1、真的图像判别为真；2、假的图像判别为假## ---------------------## 计算真实图片的损失real_out = discriminator(real_img) # 将真实图片放入判别器中loss_real_D = criterion(real_out, real_label) # 得到真实图片的lossreal_scores = real_out # 得到真实图片的判别值，输出的值越接近1越好## 计算假的图片的损失## detach(): 从当前计算图中分离下来避免梯度传到G，因为G不用更新z = Variable(torch.randn(imgs.size(0), latent_dim)).cuda() ## 随机生成一些噪声, 大小为(128, 100)fake_img = generator(z).detach() ## 随机噪声放入生成网络中，生成一张假的图片。 fake_out = discriminator(fake_img) ## 判别器判断假的图片loss_fake_D = criterion(fake_out, fake_label) ## 得到假的图片的lossfake_scores = fake_out ## 得到假图片的判别值，对于判别器来说，假图片的损失越接近0越好## 损失函数和优化loss_D = loss_real_D + loss_fake_D # 损失包括判真损失和判假损失optimizer_D.zero_grad() # 在反向传播之前，先将梯度归0loss_D.backward() # 将误差反向传播optimizer_D.step() # 更新参数## -----------------## Train Generator## 原理：目的是希望生成的假的图片被判别器判断为真的图片，## 在此过程中，将判别器固定，将假的图片传入判别器的结果与真实的label对应，## 反向传播更新的参数是生成网络里面的参数，## 这样可以通过更新生成网络里面的参数，来训练网络，使得生成的图片让判别器以为是真的, 这样就达到了对抗的目的## -----------------z = Variable(torch.randn(imgs.size(0), latent_dim)).cuda() ## 得到随机噪声fake_img = generator(z) ## 随机噪声输入到生成器中，得到一副假的图片output = discriminator(fake_img) ## 经过判别器得到的结果## 损失函数和优化loss_G = criterion(output, real_label) ## 得到的假的图片与真实的图片的label的lossoptimizer_G.zero_grad() ## 梯度归0loss_G.backward() ## 进行反向传播optimizer_G.step() ## step()一般用在反向传播后面,用于更新生成网络的参数## 打印训练过程中的日志## item():取出单元素张量的元素值并返回该值，保持原元素类型不变if (i + 1) % 300 == 0:print("[Epoch %d/%d] [Batch %d/%d] [D loss: %f] [G loss: %f] [D real: %f] [D fake: %f]"% (epoch, n_epochs, i, len(dataloader), loss_D.item(), loss_G.item(), real_scores.data.mean(), fake_scores.data.mean()))## 保存训练过程中的图像batches_done = epoch * len(dataloader) + iif batches_done % sample_interval == 0:save_image(fake_img.data[:25], "./images/%d.png" % batches_done, nrow=5, normalize=True)## 保存模型
torch.save(generator.state_dict(), './save/generator.pth')
torch.save(discriminator.state_dict(), './save/discriminator.pth')
总结：
本项目中，我们实现了一个基于 MNIST 数据集的生成对抗网络（GAN），主要流程从参数配置、数据准备，到模型构建与训练，最后再到结果保存，形成了一个完整的生成式模型训练管线。
首先，在超参数设置上，我们采用了经典 GAN 论文中推荐的组合：学习率设为 0.0002，Adam 优化器的 \beta_1 和 \beta_2 分别为 0.5 和 0.999，训练 50 个周期，批量大小为 64。这些参数能在保证稳定训练的同时，加快收敛速度。
数据部分选用了MNIST 手写数字集，先将像素归一化到 [-1, 1]，再通过 DataLoader 按批次读取并打乱顺序。这一处理不仅保证了输入分布的稳定性，也提升了训练效率。
在模型结构方面，判别器（D）是一个多层全连接网络，将 28×28 图像展平为 784 维向量后输入，激活函数使用 LeakyReLU，最后通过 Sigmoid 得到真假概率；生成器（G）则以 100 维随机噪声为输入，经过多层全连接与 ReLU/Tanh 激活，输出与真实图像同尺寸的 28×28 结果。这样的结构简单直观，适合入门实验。
训练时，判别器与生成器交替优化：
-
判别器的目标是最大化对真实图像的判真概率、对生成图像的判假概率；
-
生成器的目标则是让判别器将其生成的图像判为真。
损失函数统一采用二分类交叉熵（BCELoss），并为 D、G 分别设置优化器以避免梯度更新冲突。训练过程中会定期输出损失值并保存生成样本，方便对生成效果进行直观评估。
GAN 的核心思想，是让生成器与判别器在对抗博弈中共同提升能力：G 学会捕捉数据分布特征，D 学会分辨真实与伪造，两者在动态平衡中逼近真实分布。这种机制使得 GAN 特别适合用于图像生成、数据增强和风格迁移等任务。
从实验体验来看，这套代码的优点在于结构清晰、可视化直观、参数稳定，非常适合作为学习 GAN 的起点。同时，经过适当修改，还能扩展到更复杂的生成任务，为后续的研究打下基础。
方法的作用和场景说明)
