使用MatConvNet搭建GAN网络

2018-08-27  本文已影响0人  JzCh

概述

该代码使用MatConvNet在matlab上搭建GAN网络，用来生成手写数字图片。

MatConvNet是一个开源的、用来在matlab上搭建高效卷积神经网络的toolbox。在这里，使用MatConvNet搭建一个简单的GAN网络来生成手写数字图像，为MatConvNet的入门提供一个例子。

More

正文

1. 安装

首先需要到 MatConvNet的官网下载 MatConvNet的源码，接下在本机中编译源码，在Windows 编译源码时需要使用到 Visual Studio。编译 MatConvNet 时，在MatContNet 的命令行窗口中使用vl_compilenn()函数进行编译。如果要编译成支持 gpu的版本，就需要先下载好 CUDA。如果需要使用到 cudnn库来
加速，则需要提前下载好 CUDA 和 cudnn。

2.搭建网络

2.1 确定网络结构

首先需要确定训练数据的size，一张手写数字图像的size是28×28×1，是灰度图，所以只有一个通道。GAN网络有一个生成器和一个鉴别器，将随机生成的噪声通过生成器得到一张假的手写数字图像。真实图像和假图像经过鉴别器得到分别得到1×1的标签值。随机噪声的size可以自由确定，在这里我将它设置成1×1×100的高斯噪声，其实就是只有100个点，将它设置成100个channel方便在生成器中进行操作。

到这里，网络的输入输出就确定了，向生成器中输入一个1×1×100的噪声得到一张28×28×1的图像。向鉴别器中输入一张28×28×1的图像得到一个1×1×1的label（概率值）。

接下来就可以确定网络的结构，鉴别器和生成器的具体结构如表1、2所示。表中给出了网络中每一层的类型、步长、padding等。在这里确定网络结构的标准就是保证的网络输入输出的size与预设的一致即可。

2.2 如何向网络中添加一个网络层

表1、2中的layer type有conv、logistics loss、conv transpose和sigmoid。conv表示卷积网络，卷积层的参数有kernel size、stride、pad、dilate和output channel。kerel size为卷积核的大小，在这里的kernel的高和宽都是相等的，也可以设置成不等的。同理，stride、dilate都可以设置成宽高不等的，设置成不相等的时候需要使用一个向量来表示，如[h,w] 。stride表示步长，stride>1表示将卷积得到的结果进行下采样。pad表示网络层操作之前对图像数据的上下左右进行补零，pad=0表示没有对图像数据进行补零，pad也可以是一个向量，格式是[top bottom left right]。dilate表示扩张率，用于扩张卷积的使用，dilate=1时表示为普通卷积，dilate>1为扩张卷积。output channel表示输出的特征图的个数。

如代码1所示，是在网络中添加一个卷积层。net=dagnn.DagNN()
，表示新建一个空的网络，使用net.addLayer()向网络中添加网络层。net.addLayer()的使用为net.addLayer(layer_name,layer,input_vars_name,output_vars_name,params_name) 。

其中，layer_name为网络层的名字，网络层的名字需要在整个网络中是唯一的。input_vars_name为网络层的输入变量的名字，可以是一个string也可以是一个cell数组，这些输入变量的名字在该网络中的所有变量中也是唯一的，不具有二义性，让网络在运行的时候可以准确地找到该变量。

当input_vars_name是一个string时，表示网络层只有一个输入，当是一个长度大于1的cell数组时，表示当前网络层有多个输入。output_vars_name表示网络层的输出变量的名字，同理，可以有一个或多个输出变量。params_name表示网络层参数的名字，比如当前网络层是一个卷积层的时候，有filters和biases这两个参数。当网络层没有训练参数的时候，就不需要输入params_name 。

net.addLayer()的第二个参数是layer，表示一个网络层的实例。在代码1中，这个layer是一个卷积层的实例。使用dagnn.Conv()生成了一个卷积层的实例，输入的参数有size，stride、pad、dilate和hasBias，分别是卷积核的大小、步长、图像上下左右的padding、扩张率，以及卷积层中是否有biases参数。注意到这里的卷积核的size是一个1×4的向量，分别[height width input_channel output_channel]，当hasBias为false的时候，卷积层没有biases参数，此卷积层的参数就只有卷积核。

这里进行小结，添加一个网络层的时候，需要指定网络层的名字、网络层的实例、输入变量的名字、输出变量的名字和网络层参数名字，这些名字在网络中需要是唯一的。通过指定唯一的名字，网络在运行的时候会到对应的struct array中获取输入变量，或是将运行结果存放到对应的位置。

% 代码1 添加一个卷积层
net = dagnn.DagNN();
net.addLayer('conv_layer_name',... % layer name
    dagnn.Conv('size', [4,4,3,1], 'stride', 1, 'pad', 0, 'dilate', 1, 'hasBias', true),... % layer
    'input_var_name',... % input var name
    'output_var_name',... % output var name
    {'filters_name', 'biases_name'}); % params name

如代码2所示，是向生成器中添加一个logistics loss层。在net.addLayer()函数的输入参数中，loss_layer是当前网络的层的名字，dagnn.Loss()是一个loss层的实例，dagnn.Loss中有多种loss供选择，在这里使用logistics loss，如要使用softmaxlog可以表示为dagnn.Loss('loss','softmaxlog') 。而{'conv_5_output','labels'}表示网络层的输入变量分别是conv_5_output和labels 。net.addLayer()的第四个参数loss，是输出变量的名字。由于该网络层没有参数，所以传入训练参数的名字。

%代码2 添加一个logistics loss层
net.addLayer('loss_layer',...
    dagnn.Loss('loss', 'logistic'), ...
    {'conv_5_output', 'labels'},...
    'loss');

如代码3所示，表示向网络中添加一个反卷积层，其中的一些参数之前已经介绍过了，这里不再赘述。讲一些添加反卷积层和卷积层的不同之处，反卷积的卷积核为[height width output_channel input_channel]，注意到，output_channel和input_channel的位置与卷积层的使用方式相反，upsample表示上采样，upsample=1的时候为正常卷积，upsample>1的时候，先对输入数据进行上采样再进行卷积操作，可以将这里的upsample看成是步长。

%代码3 添加一个conv transpose层
net.addLayer('convt_6',... % layer name
    dagnn.ConvTranspose('size', [4,4,1,16], 'upsample', 1, 'crop', 0, 'hasBias', true),... % layer
    last_added.var,... % input var name
    'convt_6_output',...% output var name
    {'convt_6_filters', 'convt_6_biases'}); % params name

如代码4所示，表示向网络中添加一个sigmoid激活层。

% 代码4 添加一个sigmoid激活层
net.addLayer('sigmoid_layer', ...
    dagnn.Sigmoid(), ...
    'convt_6_output',...
    'generator_output');

按照上面所说的添加网络层的方式可以将整个网络结构搭建出来。其他的、没有出现在表1、2中的，鉴别器的前4层卷积操作后面都添加了batch norm层和leaky rate=0.2的relu层，生成器的前5层反卷积层后面都添加了batch norm层和leaky rate=0.2的relu层。

如代码5所示，向网络中添加一个batch norm层，如代码6所示，向网络中添加一个relu层，跟之前添加网络层的方法相同，需要指定网络层的名字、输入变量的名字、输出变量的名字和网络层参数的名字。

%代码5 添加一个batch norm 层
net.addLayer('batch_norm_layer', ... % layer name
    dagnn.BatchNorm('numChannels', in_channels, 'epsilon', 1e-5), ... % layer
    'convt_output', ... % input var name
    'batch_norm_output', ... % output var naem
    {'bn_w', 'bn_b', 'bn_m'}) ; % params name

%代码6 添加一个relu层
net.addLayer('relu_layer', ...
    dagnn.ReLU('leak', 0.2), ...
    'batch_norm_output',...
    'relu_output');

生成器和鉴别器都搭建好了之后，使用initParams()函数，对网络中的所有参数进行随机的初始化。除此之外，对于鉴别器来说，我们需要使用到net.vars(net.getVarIndex('loss')).precious=1，对鉴别器中的loss变量进行保留，loss变量是鉴别器loss layer的输出变量，通过net.getVarIndex('loss')获取到loss变量在鉴别器vars中的index，并且将这个var的precious的字段设置为1，表示这个变量是一个重要变量，在网络进行正向、反向传播之后，不需要将这个变量中的内容进行清空。同样地，需要使用到net.vars(net.getVarIndex('generator_output')).precious=1，对生成器中的generator_output变量进行保留。

3. 下载训练数据

训练所使用的数据集是mnist手写数字数据集。数据集在这里下载，网站不只提供了手写数字图像，还提供了图像对应的正确数字标签，但训练GAN网络只需要使用到手写数字图像。

如代码7所示，下载完毕之后，可以使用matlab中的fopen函数打开文件，并使用fread进行读取，读取出来的数组包含其他信息，图像数据从第17行开始。因为所有的图像都被拉成了一维向量并拼接在了一起，所以还需要将数据进行reshape，再使用permute交换图像的第一、二个维度。

%代码7 读取图像数据
f=fopen(fullfile(dataDir, 'train-images-idx3-ubyte'),'r') ;
     images1=fread(f,inf,'uint8');
     fclose(f) ;
     images1=permute(reshape(images1(17:end),28,28,60e3),[2 1 3]) ;

4. 训练网络

网络搭建好了，手写数字也下载好了，接下来就可以对生成器和鉴别器进行训练。在本文训练网络时，只是简单地将以1：1的比例对训练鉴别器和生成器进行迭代更新，每一轮迭代使用batch size个数据对网络进行训练。

4.1 对鉴别器进行更新

首先更新鉴别器，如代码8所示，先使用随机生成的噪声传入到generator中，generator使用eval函数进行了一次前向传播之后，得到fake image。再使用fake image和fake label对discriminator进行前向和反向传播得到discriminator网络参数的偏导数，到这里还没有结束，再使用real image和real label对discriminator进行前向和反向传播得到偏导数，将两次的偏导数相加对网络进行梯度下降。

在代码8中，网络的前向传播和反向传播都是使用eval函数，如果只需要进行前向传播，向eval中传入训练数据即可。如generator.eval({'noises',batch_noise}) ，使用eval函数对generator中传入了随机的噪声batch_noise，batch_noise对应的generator中的变量为noises，generator就可以确定此次传播从以noises变量为输入的网络层开始。

进行反向传播的时候，也是使用eval函数，只不过需要传入两个参数，第一个参数是输入数据，第二个参数，是反向传播的偏导数，这两个参数都是cell数组。如discriminator.eval({'images',batch_fake_images,'labels',batch_fake_labels},{'loss',1})。{'images',batch_fake_images,'labels',batch_fake_labels}就是前向传播的输入，表示完成前向传播需要给定images和labes变量。而{'loss',1}表示反向传播从以loss变量为输出的网络层开始，1表示整个网络的损失函数对loss变量的偏导数，因为整个网络的损失函数就是loss，所以这里的偏导数就等于1。

在代码8中，还使用到了discriminator.accumulateParamDers=0 这句代码，将accumlateParamDers参数设置为0，表示反向传播时会对网络中的偏导数变量进行覆盖写入。将accumlateParamDers设置成1，表示进行反向传播得到的偏导数会与之前得到的对应的偏导数进行相加，而非覆盖写入。使用到了这两句代码，是因为在这里对discriminator进行了两次反向传播，第一次传入网络中的数据是fake image和fake label，第二次传入网络中的数据是real image和real label。需要将两次反向传播得到的偏导数进行相加，再对网络进行更新。

对网络进行更新的时候可以使用到最简单的梯度下降的方式，也可使用MatConvNet提供的优化器对网络进行更新。损失函数对各个网络参数的偏导数保存在net.params()这个struct array的der字段中，损失函数对各个网络变量的偏导数保存在net.vars()这个struct array的der字段中。

代码8中的stateD是一个cell array，它是用于优化器更新网络的辅助变量，或是momentum类更新算法的辅助变量。

%代码8 更新鉴别器
generator.eval({'noises', batch_noise});
batch_fake_images = generator.getVar('generator_output');
batch_fake_images = batch_fake_images.value;
 
discriminator.accumulateParamDers = 0;
discriminator.eval({'images', batch_fake_images, 'labels', batch_fake_labels}, {'loss', 1});
d_loss = discriminator.getVar('loss').value;
 
discriminator.accumulateParamDers = 1;
discriminator.eval({'images', batch_real_images, 'labels', batch_real_labels}, {'loss', 1});
d_loss = d_loss + discriminator.getVar('loss').value;

stateD = update_network(discriminator, stateD, params);

4.2 对鉴别器进行更新

更新完鉴别器之后，就需要对生成器进行更新，如代码9所示，先让generator使用噪声进行前向传播，得到fake image。将fake image和fake label传入discriminator进行前向和反向传播，得到损失函数对fake image的偏导数，再将这个偏导数传入generator进行前向和反向传播，得到损失函数对generator各个网络参数的偏导数，以更新generator。从这里可以看出generator的bp的过程需要先经过discriminator的bp。

在代码9中，generator先进行前向传播之后，使用getVar函数得到fake image，在构造生成器的时候，生成器的最终输出变量的名称为generator_output，所以使用getVar('generator_output')得到对应的结构体，在value字段中存放的是fake image。而损失函数对generator的最终输出的偏导数，需要从discriminator中获取，该偏导数存放在discriminator的images变量中，使用getVar函数获取到discriminator的images变量，再从这个变量的der字段中获取到偏导数。

% 代码9 更新生成器
generator.eval({'noises', batch_noise});
batch_fake_images = generator.getVar('generator_output');
batch_fake_images = batch_fake_images.value;
 
discriminator.accumulateParamDers = 0;
discriminator.eval({'images', batch_fake_images, 'labels', batch_real_labels}, {'loss', 1});
g_loss = discriminator.getVar('loss').value;
der_from_discriminator = discriminator.getVar('images');
der_from_discriminator = der_from_discriminator.der;
 
generator.accumulateParamDers = 0;
generator.eval({'noises', batch_noise}, {'generator_output', der_from_discriminator});
stateG = update_network(generator, stateG, params);

4.3 更新网络的方式

如代码10所示，是使用梯度下降的方式对网络的参数进行更新，这是最简单的参数更新方式。遍历整个网络中的参数，从net.params(p).der获取到参数对应的偏导数，进行梯度下降。其中的vl_taccum(alpha,a,beta,b)函数，实现的功能就是alpha×a+beta×b。

%代码10 梯度下降更新网络
for p=1:numel(net.params)
    parDer = net.params(p).der ;
    net.params(p).value = vl_taccum(...
        1,  net.params(p).value, -thisLR, parDer) ;
end

如代码11所示，是使用优化器来更新网络的例子，其中的solver()对应某个MatConvNet提供的优化器函数。state是辅助变量，该辅助变量是一个cell数组，cell中的单元个数与网络的params数组长度一致，初始化的时候，cell数组中的所有单元均为0。

% 代码11 使用优化器来更新网络
for p=1:numel(net.params)
    parDer = net.params(p).der ;
    [net.params(p).value, state.solverState{p}] = ...
        solver(net.params(p).value, state.solverState{p}, ...
        parDer, solverOpts, thisLR) ;
end

使用上面提及的网络更新方式，对生成器和鉴别器进行迭代地更新，固定一个更新一个，以完成GAN网络的训练。

5. 保存训练好的网络模型

如代码12所示，是保存网络模型的代码，使用saveobj函数，将generator和discriminator转化成一个结构体，并使用save函数将结构体保存在.mat文件中。

% 代码12 保存网络模型
function save_model_fun(path, generator_, discriminator_, stateG, stateD)
    generator = generator_.saveobj();
    discriminator = discriminator_.saveobj();
    save(path, 'generator', 'discriminator', 'stateG', 'stateD');
end

如代码13所示，是加载网络模型的代码，先使用load函数从.mat文件中读取网络模型的结构体，再使用loadobj将结构体转化为dagnn.DagNN类实例。

% 代码13 加载网络模型
function [generator, discriminator, stateG, stateD] = load_model_fun(path)
    load(path, 'generator', 'discriminator', 'stateG', 'stateD');
    generator = dagnn.DagNN.loadobj(generator);
    discriminator = dagnn.DagNN.loadobj(discriminator);
end

6. 使用gpu进行加速

使用gpu来加速网络的训练，需要将MatConvNet的代码编译成gpu版本。机器上要安装好Nvidia的gpu和cuda，而cudnn则可以根据需要安装。

编译MatConvNet的代码时，使用的是vl_compilenn函数，如命令1所示，是将MatConvnet编译成gpu版本的例子，其中指定了cuda和cudnn的安装路径。注意，编译的时候，是在matlab的命令行窗口进行输入命令的，编译将MatConvNet中的C/C++代码编译成mex格式。在windows平台上进行编译时需要安装visual studio，在linux平台上需要安装gcc、g++。

%命令1 编译代码的例子
vl_compilenn('enableGpu', true, 'cudaMethod', 'nvcc', ...
               'cudaRoot', '/Developer/NVIDIA/CUDA-6.5', ...
               'enableCudnn', true, 'cudnnRoot', 'local/cudnn-rc2') ;

6.1 使用单个gpu进行加速

使用单个gpu进行加速时，需要先将MatConvNet编译成gpu版本，接下来使用gpuDevice()函数来获取gpu设备。获取到gpu设备之后，将传入网络中的数据转换成gpu array，并且使用move函数，将generator和discriminator移动到gpu上，如代码14所示。其他的部分与没有使用gpu进行加速的代码一致。

%代码14 将网络移动到gpu上
generator.move('gpu') ;
discriminator.move('gpu');

6.2 使用多个gpu进行加速

使用多个gpu进行加速的时候，同样地，需要将代码编译成gpu版本、将训练数据转换成gpu array、将网络移动到gpu上。除此之外，还需要使用到gcp函数来创建一个并行池，并行池worker的数目与需要使用到的gpu数目一致。如代码15所示，使用spmd让并行池中的每一个worker都申请一个gpu设备。

%代码15 申请多个gpu
spmd
    gpuDevice(gpus(labindex))
end

如代码16所示，为了让训练部分并行，需要为generator和discriminator各自设置一个ParameterServer实例，设置之后，generator和discriminator的网络参数的偏导数都需用从该ParameterServer中获取，而generator和discriminator自身不再保存网络参数的偏导数。

训练部分的代码同样需要使用spmd语句进行并行，将batch size的训练数据划分给多个worker进行网络训练。这里进行划分的方式很简单，如代码16所示，通过确定batch_index_start这个变量来进行划分，labindex是并行时每一个worker的index，numlabels是并行的worker的个数。

%代码16 并行训练网络
generator.move('gpu') ;
discriminator.move('gpu');
if numGpus > 1
    parameterServer.method = 'mmap' ;
    parameterServer.prefix = 'mcn' ;
    
    parservG = ParameterServer(parameterServer) ;
    generator.setParameterServer(parservG);
    
    parservD = ParameterServer(parameterServer) ;
    discriminator.setParameterServer(parservD);
else
    parservG = [] ;
    parservD = [];
end
 
spmd
    for j=1:batch_count
        if j < batch_count
            batch_index_start = (j-1)* params.batch_size + 1 + (labindex-1);
            batch_index_end = j* params.batch_size;
        else
            batch_index_start = (j-1)* params.batch_size + 1 + (labindex-1);
            batch_index_end = size(real_images,4);
        end
        % train network here
        batch_real_images = real_images(:,:,:,batch_index_start : numlabs : batch_index_end);
    end
end

如代码17所示，更新网络的时候，网络参数的偏导数需要从对应的ParameterServer中获取，使用pullWithIndex函数来获取。

%代码17 从ParameterServer中获取偏导数
for p=1:numel(net.params)
    parDer = parserv.pullWithIndex(p);
    net.params(p).value = vl_taccum(...
        1,  net.params(p).value, -thisLR, parDer) ;
end

其他需要注意的点是，如代码18所示，在从鉴别网络进行反向传播的时候，在eval函数中使用到了holdOn参数。holdOn参数为true，表示网络此次进行反向传播得到的偏导数不同步到ParameterServer中。当holdOn为false的时候，反向传播得到的偏导数就会pull到ParameterServer中，并将网络自身的偏导数清空。

holdOn参数默认为false，如果在discriminator使用fake image进行反向传播时候holdOn为false，训练时的网络参数的偏导数就会被pull到ParameterServer中，并且网络本身的偏导数会被清空，从而无法达成两次偏导数相加的要求，所以进行第一次反向传播的时候，holdOn要为true。

%代码18 holdOn参数的使用
generator.eval({'noises', batch_noise});
batch_fake_images = generator.getVar('generator_output');
batch_fake_images = batch_fake_images.value;
 
% set the accumulateParamDers to 0, the derivative of the
% params with repects to loss will be overwrite
discriminator.accumulateParamDers = 0;
discriminator.eval({'images', batch_fake_images, 'labels', batch_fake_labels}, {'loss', 1}, 'holdOn', 1);
d_loss = discriminator.getVar('loss').value;
% set the accumlateParamsDers to 1, the derivative is equal to
% the old one plus the new one
discriminator.accumulateParamDers = 1;
discriminator.eval({'images', batch_real_images, 'labels', batch_real_labels}, {'loss', 1}, 'holdOn', 0);
d_loss = d_loss + discriminator.getVar('loss').value;

其实，进行两次反向传播可以替换成另外一种形式：将fake image和real image拼接在一起之后传入discriminator进行反向传播。

Reference

  1. http://www.vlfeat.org/matconvnet/
  2. https://github.com/vlfeat/matconvnet
上一篇下一篇

猜你喜欢

热点阅读