如何匹配GAN中发电机的输出形状和鉴频器的输入形状？

Question

我正在研究我的第一个GANs模型，我使用MNIST数据集跟踪Tensorflow官方文档。我运行得很顺利。我试图用我自己的数据集代替MNIST，我已经准备好它与MNSIT: 28 * 28匹配，它可以工作。

但是，我的数据集比MNIST要复杂得多，因此我试图使数据集的图像大小更大: 512 * 512，但是我不断地获取与输入和输出形状相关的错误。我不知道所有这些输入和输出形状的鉴别器和生成器之间的关系。假设我想将我的数据集从28 * 28 (MNSIT大小)更改为y*y (自定义大小)，哪些输入/输出形状是我需要在这些层中调优的？为什么？有人能澄清这个流程吗？

这是我的代码，在该代码中，我重新构造数据集以匹配MNIST大小：

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

在这里，我把它正常化：

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

这是发电机模型，最后一层的输出形状表示了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

这是判别器模型，其中第一层的输入表示大约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

下面是计算Conv2DTranspose输出形状的公式，您可以认为它是一种可学习的重采样方法：

# 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该是：

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

其中没有一个是batch_size

要使代码运行，您可以将第一个密集层的输出形状更改为(8*8*256)，并重复Conv2DTranspose->BatchNormalization->LeakyReLU块，直到它变成灰度级的(512*512)或RGB的(512*512*3)为止。

对于鉴别器，唯一必要的更改是第一层中的input_shape。因为Conv2D和padding='same'没有改变张量的形状。

，但是，上面的更改不能保证您的模型有一个好的结果。您确实需要研究一下您的任务，以决定您的模型架构应该是怎样的。