import jittor as jt from jittor import init import argparse import os import numpy as np import math from jittor import nn # 检查是否启用了CUDA if jt.has_cuda: jt.flags.use_cuda = 1 # 解析命令行参数 parser = argparse.ArgumentParser() parser.add_argument('--n_epochs', type=int, default=100, help='number of epochs of training') parser.add_argument('--batch_size', type=int, default=64, help='size of the batches') parser.add_argument('--lr', type=float, default=0.0002, help='adam: learning rate') parser.add_argument('--b1', type=float, default=0.5, help='adam: decay of first order momentum of gradient') parser.add_argument('--b2', type=float, default=0.999, help='adam: decay of first order momentum of gradient') parser.add_argument('--n_cpu', type=int, default=8, help='number of cpu threads to use during batch generation') parser.add_argument('--latent_dim', type=int, default=100, help='dimensionality of the latent space') parser.add_argument('--n_classes', type=int, default=10, help='number of classes for dataset') parser.add_argument('--img_size', type=int, default=32, help='size of each image dimension') parser.add_argument('--channels', type=int, default=1, help='number of image channels') parser.add_argument('--sample_interval', type=int, default=1000, help='interval between image sampling') opt = parser.parse_args() print(opt) img_shape = (opt.channels, opt.img_size, opt.img_size) # 生成器模型 class Generator(nn.Module): def __init__(self): super(Generator, self).__init__() # 标签的嵌入向量维度与标签的数量相同，10*10的embedding self.label_emb = nn.Embedding(opt.n_classes, opt.n_classes) # 定义生成器模型结构，包含多个线性层和激活函数 # nn.Linear(in_dim, out_dim)表示全连接层 # in_dim：输入向量维度 # out_dim：输出向量维度 def block(in_feat, out_feat, normalize=True): layers = [nn.Linear(in_feat, out_feat)] if normalize: layers.append(nn.BatchNorm1d(out_feat, 0.8)) layers.append(nn.LeakyReLU(0.2)) return layers # 生成器接收两个输入：噪声向量（latent vector）和类别标签（class label）。opt.latent_dim 表示噪声向量的维度，opt.n_classes 表示类别标签的数量。 # img_shape为(1, 32, 32)，则np.prod(img_shape)为32x32=1024），将最后的线性层的输出维度设置为图像形状的元素个数，以确保生成的向量能够正确地表示生成的图像。 # 逐步增加块的好处是可以逐渐引入更多的非线性变换，从而更好地捕捉数据中的复杂模式 # nn.Sequential是一个用于构建神经网络模型的容器。它按照顺序将一系列的层组合在一起，形成一个网络模型。在代码中，self.model = nn.Sequential(...)创建了一个名为model的nn.Sequential实例，并将多个层按照顺序添加到这个实例中。 self.model = nn.Sequential(*block((opt.latent_dim + opt.n_classes), 128, normalize=False), *block(128, 256), *block(256, 512), *block(512, 1024), nn.Linear(1024, int(np.prod(img_shape))), nn.Tanh()) def execute(self, noise, labels): gen_input = jt.contrib.concat((self.label_emb(labels), noise), dim=1) # img 是一个形状为 (batch_size, 1024) 的向量，其中 batch_size img = self.model(gen_input) # 将img从1024维向量变为32*32矩阵 # img.view() 是 PyTorch 中的一个函数，用于调整张量的形状。在这里，img 是一个张量，img.shape 返回该张量的形状。img.shape[0] 表示张量的第一个维度，也就是 batch_size，即样本数量。 # *img_shape 是一个展开操作符，它将 img_shape 这个元组展开为多个独立的参数。假设 img_shape = (channels, img_size, img_size)，那么 *img_shape 就等同于 (channels, img_size, img_size)。 img = img.view((img.shape[0], *img_shape)) return img # 判别器模型 class Discriminator(nn.Module): def __init__(self): super(Discriminator, self).__init__() self.label_embedding = nn.Embedding(opt.n_classes, opt.n_classes) # 定义判别器模型结构，包含多个线性层和激活函数 # 图像数据展平后的大小加上类别标签的大小 self.model = nn.Sequential(nn.Linear((opt.n_classes + int(np.prod(img_shape))), 512), nn.LeakyReLU(0.2), nn.Linear(512, 512), nn.Dropout(0.4), nn.LeakyReLU(0.2), nn.Linear(512, 512), nn.Dropout(0.4), nn.LeakyReLU(0.2), # TODO: 添加最后一个线性层，最终输出为一个实数 nn.Linear(512,1) ) def execute(self, img, labels): # batch_size 表示批量大小。(-1) 的作用是自动计算该维度的大小，以保持数据总量不变。图像数据的维度是 (batch_size, channels * height * width) d_in = jt.contrib.concat((img.view((img.shape[0], (- 1))), self.label_embedding(labels)), dim=1) # TODO: 将d_in输入到模型中并返回计算结果 img = self.model(d_in) return img # 损失函数：平方误差 # 调用方法：adversarial_loss(网络输出A, 分类标签B) # 计算结果：(A-B)^2 adversarial_loss = nn.MSELoss() # 创建生成器和判别器实例 generator = Generator() discriminator = Discriminator() # 导入MNIST数据集 from jittor.dataset.mnist import MNIST import jittor.transform as transform # 定义了一个图像数据的预处理变换 transform。这个变换包括将图像大小调整为 opt.img_size、转换为灰度图像、并对图像进行归一化处理。这些变换可以帮助数据在输入模型之前进行预处理和标准化，以提高训练效果。 transform = transform.Compose([ transform.Resize(opt.img_size), transform.Gray(), transform.ImageNormalize(mean=[0.5], std=[0.5]), ]) # 具体来说，dataloader是一个用于数据批次处理的工具，它从MNIST数据集中加载训练数据，并进行一些预处理操作（如图像转换）。下面是对该代码的解释： dataloader = MNIST(train=True, transform=transform).set_attrs(batch_size=opt.batch_size, shuffle=True) # 生成器和判别器的优化器，生成器的优化器 optimizer_G，使用了 Adam 优化算法。optimizer_G 的参数是生成器的参数 generator.parameters()，lr 参数指定了学习率，betas 参数是 Adam 优化算法中的两个指数衰减因子。 # Adam算法中betas 参数中的第一个元素 opt.b1 控制了一阶矩估计的衰减率，第二个元素 opt.b2 控制了二阶矩估计的衰减率。 optimizer_G = nn.Adam(generator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2)) optimizer_D = nn.Adam(discriminator.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2)) from PIL import Image # 保存生成的图片 def save_image(img, path, nrow=10, padding=5): # 行代码从输入的图像数据img中获取图像的维度信息，N表示图像数量，C表示通道数，W表示图像的宽度，H表示图像的高度。 N,C,W,H = img.shape # 这个条件判断语句检查图像数量N是否能被nrow整除，如果不能整除，则打印一条错误信息并返回。 if (N%nrow!=0): print("N%nrow!=0") return # 这行代码计算每行显示的图像数量ncol，将图像数量N除以每行显示的图像数量nrow，然后取整数部分。 ncol=int(N/nrow) # 这行代码创建一个空列表img_all，用于存储拼接后的图像块。 img_all = [] # 在内层循环中，将图像数据img中的图像按行分组，并通过img_.append(img[i*nrow+j])将每个图像添加到临时列表img_中。同时，通过img_.append(np.zeros((C,W,padding)))在每个图像之后添加一个零值数组作为间距。 for i in range(ncol): img_ = [] for j in range(nrow): img_.append(img[i*nrow+j]) img_.append(np.zeros((C,W,padding))) img_all.append(np.concatenate(img_, 2)) img_all.append(np.zeros((C,padding,img_all[0].shape[2]))) img = np.concatenate(img_all, 1) img = np.concatenate([np.zeros((C,padding,img.shape[2])), img], 1) img = np.concatenate([np.zeros((C,img.shape[1],padding)), img], 2) # 通过(img-min_)/(max_-min_)*255的计算公式，将图像数据归一化到0-255的范围，以便在保存图像时使用。 min_=img.min() max_=img.max() img=(img-min_)/(max_-min_)*255 # 这行代码对图像数据进行了维度转换，将维度顺序从(通道，宽度，高度)转换为(宽度，高度，通道)。 img=img.transpose((1,2,0)) ''' 这是一个条件判断语句，根据通道数C的不同进行处理。 如果通道数为3，表示图像是RGB格式，通过img[:,:,::-1]将图像的通道顺序从BGR转换为RGB。 如果通道数为1，表示图像是灰度格式，通过img[:,:,0]将图像从三维数组转换为二维数组。 ''' if C==3: img = img[:,:,::-1] elif C==1: img = img[:,:,0] # 使用Image.fromarray将NumPy数组转换为PIL图像对象，然后使用save方法保存图像到指定路径。 Image.fromarray(np.uint8(img)).save(path) # 生成样本图片 def sample_image(n_row, batches_done): # 随机采样输入并保存生成的图片 # 生成了一个形状为 (n_row ** 2, opt.latent_dim) 的随机向量 z。它使用 np.random.normal 函数从正态分布中采样随机数，并通过 jt.array 转换为 Jittor 的张量类型。然后将其转换为浮点数类型，并停止梯度传播 # z（噪声）是用于生成模型（如生成对抗网络）中的输入噪声。它是一个随机向量，通常服从某种特定的概率分布（如均匀分布或正态分布）。通过将噪声向量输入生成器模型，可以生成具有多样性的样本 z = jt.array(np.random.normal(0, 1, (n_row ** 2, opt.latent_dim))).float32().stop_grad() # 创建了一个标签向量 labels，用于条件生成。它是一个包含重复数字的数组，这样可以按照一定的规律变化来控制生成的图像特征。标签向量的形状为 (n_row ** 2,)。同样地，它也通过 jt.array 转换为 Jittor 的张量类型，并转换为浮点数类型，并停止梯度传播。 # labels 的维度实际上是 (n_row ** 2, 1)，即一个二维的向量。它的长度为 n_row 的平方，表示生成图像的数量。每个元素是一个长度为 1 的向量，用于标识生成的图像的特定属性或类别。 labels = jt.array(np.array([num for _ in range(n_row) for num in range(n_row)])).float32().stop_grad() # 使用生成器模型 generator 来生成图像数据。它将随机向量 z 和标签向量 labels 作为输入，通过调用生成器模型的前向传播方法得到生成的图像数据。生成的图像数据被赋值给变量 gen_imgs。 gen_imgs = generator(z, labels) save_image(gen_imgs.numpy(), "%d.png" % batches_done, nrow=n_row) # ---------- # 模型训练 # ---------- # 模型训练 for epoch in range(opt.n_epochs): for i, (imgs, labels) in enumerate(dataloader): batch_size = imgs.shape[0] # 数据标签，valid=1表示真实的图片，fake=0表示生成的图片 # valid是一个形状为[batch_size, 1]的Jittor张量，其中batch_size表示每个批次的图像数量。它的值被设置为1，表示这些图像是真实的图片。使用.float32()方法将数据类型设置为浮点型，并使用.stop_grad()方法停止梯度计算。 # fake是一个形状为[batch_size, 1]的Jittor张量，也表示数据标签。它的值被设置为0，表示这些图像是生成的图片。同样，使用.float32()方法将数据类型设置为浮点型，并使用.stop_grad()方法停止梯度计算。 valid = jt.ones([batch_size, 1]).float32().stop_grad() fake = jt.zeros([batch_size, 1]).float32().stop_grad() # 真实图片及其类别 real_imgs = jt.array(imgs) labels = jt.array(labels) # ----------------- # 训练生成器 # ----------------- # 采样随机噪声和数字类别作为生成器输入 # z 是一个形状为 (batch_size, opt.latent_dim) 的张量，其中 batch_size 表示批次的大小，opt.latent_dim 表示噪声向量的维度 z = jt.array(np.random.normal(0, 1, (batch_size, opt.latent_dim))).float32() # gen_labels 是一个张量，其维度为 (batch_size, )，表示一个一维向量。 gen_labels = jt.array(np.random.randint(0, opt.n_classes, batch_size)).float32() # 生成一组图片 gen_imgs = generator(z, gen_labels) # 损失函数衡量生成器欺骗判别器的能力，即希望判别器将生成图片分类为valid validity = discriminator(gen_imgs, gen_labels) g_loss = adversarial_loss(validity, valid) g_loss.sync() optimizer_G.step(g_loss) # --------------------- # 训练判别器 # --------------------- validity_real = discriminator(real_imgs, labels) d_real_loss = adversarial_loss(validity_real,valid) validity_fake = discriminator(gen_imgs.stop_grad(), gen_labels) d_fake_loss = adversarial_loss(validity_fake,fake) # 总的判别器损失 d_loss = (d_real_loss + d_fake_loss) / 2 d_loss.sync() # 优化判别器参数 optimizer_D.step(d_loss) # 打印损失值 if i % 50 == 0: print( "[Epoch %d/%d] [Batch %d/%d] [D loss: %f] [G loss: %f]" % (epoch, opt.n_epochs, i, len(dataloader), d_loss.data, g_loss.data) ) # 保存生成的图片 batches_done = epoch * len(dataloader) + i # 每完成 opt.sample_interval 个批次时生成一张图片，每隔 1000 个批次（opt.sample_interval 的值为 1000）生成一张图片，用于可视化生成器模型的训练效果。这有助于观察生成图像的质量和多样性随着训练的进行而如何改变。 if batches_done % opt.sample_interval == 0: sample_image(n_row=10, batches_done=batches_done) if epoch % 10 == 0: generator.save("generator_last.pkl") discriminator.save("discriminator_last.pkl") # 加载生成器和判别器模型 generator.eval() discriminator.eval() generator.load('generator_last.pkl') discriminator.load('discriminator_last.pkl') # 生成指定数字序列的图片 number = "14034541402257" n_row = len(number) z = jt.array(np.random.normal(0, 1, (n_row, opt.latent_dim))).float32().stop_grad() labels = jt.array(np.array([int(number[num]) for num in range(n_row)])).float32().stop_grad() gen_imgs = generator(z,labels) img_array = gen_imgs.data.transpose((1,2,0,3))[0].reshape((gen_imgs.shape[2], -1)) min_=img_array.min() max_=img_array.max() img_array=(img_array-min_)/(max_-min_)*255 Image.fromarray(np.uint8(img_array)).save("result.png")