Keras 中的生成对抗网络没有像预期的那样工作

Question

我是 Keras 机器学习的初学者。我正在尝试了解生成对抗网络 (GAN)。为此，我正在尝试编写一个简单的示例。我正在使用以下函数生成数据：

def genReal(l):
    realX = []
    for i in range(l):
        x = []
        y = []
        for i in np.arange(0.0, 1.0, 0.02):
            x.append(i + np.random.normal(0,0.01))
            y.append(-abs(i-0.5)+0.5+ np.random.normal(0,0.01))

        data = np.array(list(zip(x, y)))
        data = np.reshape(data, (100))
        data.clip(0,1)
        realX.append(data)

    realX = np.array(realX)
    return realX

使用此函数生成的数据类似于以下示例：

现在的目标应该是训练一个神经网络来生成类似的数据。对于 GAN，我们需要一个 Generator 网络，我这样建模：

generator = Sequential()
generator.add(Dense(128, input_shape=(100,), activation='relu'))
generator.add(Dropout(rate=0.2))
generator.add(Dense(128, activation='relu'))
generator.add(Dropout(rate=0.2))
generator.add(Dense(100, activation='sigmoid'))
generator.compile(loss='mean_squared_error', optimizer='adam')

一个如下所示的鉴别器：

discriminator = Sequential()
discriminator.add(Dense(128, input_shape=(100,), activation='relu'))
discriminator.add(Dropout(rate=0.2))
discriminator.add(Dense(128, activation='relu'))
discriminator.add(Dropout(rate=0.2))
discriminator.add(Dense(1, activation='sigmoid'))
discriminator.compile(loss='mean_squared_error', optimizer='adam')

组合模型：

ganInput = Input(shape=(100,))
x = generator(ganInput)
ganOutput = discriminator(x)

GAN = Model(inputs=ganInput, outputs=ganOutput)
GAN.compile(loss='binary_crossentropy', optimizer='adam')

我有一个生成噪声的函数（随机数组）

def noise(l):
   noise = np.array([np.random.uniform(0, 1, size=[l, ])])
   return noise

然后我正在训练模型：

for i in range(1000000):
    fake = generator.predict(noise(100))
    print(i, "==>", discriminator.predict(fake))
    discriminator.train_on_batch(genReal(1), np.array([1]))
    discriminator.train_on_batch(fake, np.array([0]))

    discriminator.trainable = False
    GAN.train_on_batch(noise(100), np.array([1]))
    discriminator.trainable = True

如您所见，我已经尝试为 1.Mio 迭代训练模型。但是生成器之后输出的数据看起来像这样（尽管输入不同）：

绝对不是我想要的。所以我的问题是： 1. Mio Iterations 是否不够，或者我的程序概念有什么问题

编辑：

这是我用来绘制数据的函数：

def plotData(data):
    x = np.reshape(data,(50,2))
    x = x.tolist()
    plt.scatter(list(zip(*x))[0],list(zip(*x))[1], c=col)

Answer 1

您的实现的问题是 discriminator.trainable = False 在编译 discriminator 后没有任何效果。因此，当您执行 GAN.train_on_batch.

时，所有权重（来自鉴别器和生成器网络）都是可训练的

这个问题的解决方法是在编译discriminator之后和编译GAN之前设置discriminator.trainable = False:

discriminator.compile(loss='mean_squared_error', optimizer='adam')    
discriminator.trainable = False

ganInput = Input(shape=(100,))
x = generator(ganInput)
ganOutput = discriminator(x)

GAN = Model(inputs=ganInput, outputs=ganOutput)
GAN.compile(loss='binary_crossentropy', optimizer='adam')

注意。我已经绘制了您的数据，它看起来更像这样：

Keras 中的生成对抗网络没有像预期的那样工作

Generative Adversarial Networks in Keras doesn't work like expected

machine-learning

keras

tensorflow

generative-adversarial-network