Question

我正在开发我的第一个GAN模型，我使用MNIST数据集关注Tensorflows官方文档。我已经顺利进行了。我试图用自己的数据集替换MNIST，我准备将其匹配为与MNSIT相同的大小：28 * 28，它可以工作。

但是，我的数据集比MNIST更复杂，因此我尝试使数据集的图像尺寸更大：512 * 512，但我不断遇到与输入和输出形状有关的错误。我无法弄清鉴别器和生成器的所有这些输入和输出形状之间的关系。假设我想将数据集从28 * 28（MNSIT大小）更改为y * y（自定义大小），我到底需要在这些图层中调整哪些输入/输出形状？为什么呢？任何人都可以澄清这一流程？

这是我的代码，在这里我可以重塑数据集以匹配MNIST大小：

train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')

在这里我将其标准化：

train_images = (train_images - 127.5) / 127.5 # Normalize the images to [-1, 1]

这是生成器模型，其中最后一层的输出形状表示28 * 28：

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

这是鉴别模型，其中第一层的输入表示28 * 28：

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

Answer 1

以下是计算Conv2DTranspose输出形状的公式，您可以将其视为可学习的上采样方式：

# Padding==Same:
H = H1 * stride

# Padding==Valid
H = (H1-1) * stride + HF

其中H = output size，H1 = input size，HF = height of filter。来自"how-to-calculate-the-output-shape-of-conv2d-transpose"

因此，Conv2DTranspose的输入和输出形状应为：

(None, h1, h2, channels)
         ||
Conv2DTranspose(num_filters, (kernel_h1, kernel_h2), strides=(s1, s2), padding='same')
         ||
(None, h1*s1, h2*s2, num_filters)

没有是batch_size的地方

要仅使代码可运行，您可以将第一个密集层的输出形状更改为(8*8*256)，然后重复Conv2DTranspose->BatchNormalization->LeakyReLU块，直到变成{{1 }}用于灰度，或(512*512)用于RGB。
对于鉴别器，唯一必要的更改是仅在第一层中(512*512*3)。由于input_shape与Conv2D不会改变张量的形状。

但是，上述更改并不能保证您的模型取得良好的效果。您确实必须研究您的任务，以决定模型的架构。

如何在GAN中匹配生成器的输出形状和鉴别器的输入形状？

1 个答案: