大家好，我是锋哥。最近连载更新《TensorFlow2 Python深度学习》技术专题。
本课程主要讲解基于TensorFlow2的Python深度学习知识，包括深度学习概述，TensorFlow2框架入门知识，以及卷积神经网络（CNN），循环神经网络（RNN），生成对抗网络（GAN），模型保存与加载等。同时也配套视频教程 《2026版 TensorFlow2 Python深度学习 视频教程》
生成对抗网络（GAN）简介
GAN简介
生成对抗网络是一种无监督深度学习模型，其核心思想是通过让两个神经网络相互“竞争”或“对抗”来学习。这两个网络分别是：
- 生成器： 它的目标是学习真实数据的分布，并生成足以“以假乱真”的虚假数据。它接收一个随机噪声向量作为输入，输出一个伪造的数据样本。
- 判别器： 它的目标是成为一个“鉴定专家”，能够正确区分输入的数据是来自真实数据集还是生成器生成的假数据。它接收一个数据样本，输出一个标量，表示该样本为真的概率。
对抗过程可以类比为：
- 生成器 像一个伪造者，努力制作更逼真的假画。
- 判别器 像一个鉴定专家，努力识别出画作的真伪。
- 两者不断博弈，最终伪造者（生成器）的技能变得如此高超，以至于它生成的画作让鉴定专家（判别器）也无法分辨真伪（输出概率接近0.5）。
GAN在多个领域具有广泛的应用，特别是在生成式任务中，如：
- 图像生成：生成高度真实的图像，如人脸图像（例如DeepFake）和艺术风格转换。
- 图像超分辨率：提高图像分辨率，生成高清晰度图像。
- 图像修复：填补图像中的缺失部分，修复损坏的图像。
- 数据增强：生成更多的训练样本，尤其在数据稀缺时。
- 文本到图像生成：根据文本描述生成对应的图像（例如“一个红色的苹果”生成一张苹果的图像）
GAN基本架构图
GAN损失函数的定义
生成对抗网络（GAN）实例
我们以生成手写数字数据集为示例：
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
import keras
from keras import layers, Input
import matplotlib.pyplot as plt
import time
# 使用手写字体或单品样本做训练 这里注意的是 我们只需要训练数据，不需要答案和测试数据集。
(train_images, _), (_, _) = keras.datasets.mnist.load_data()
# 因为卷积层的需求，增加色深维度
train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')
# 规范化为-1 - +1
train_images = (train_images - 127.5) / 127.5
BUFFER_SIZE = 60000 # 以供60000个样本
BATCH_SIZE = 256 # 256张为一组
# 创建数据集
train_dataset = tf.data.Dataset.from_tensor_slices(train_images).shuffle(BUFFER_SIZE).batch(BATCH_SIZE)
# 生成器网络
def make_generator_model(): # 根据长度为100的随机数组，生成一张28，28，1的矩阵
model = tf.keras.Sequential()
model.add(Input(shape=(100,)))
# 全联接层，输入纬度为[[100],[n]], 输出为7*7*256 = 12544的节点 use_bias=False不使用偏差
model.add(layers.Dense(7 * 7 * 256, use_bias=False))
# BatchNormalization层：该层在每个batch上将前一层的激活值重新规范化，即使得其输出数据的均值接近0，其标准差接近1
# 该层作用：（1）加速收敛（2）控制过拟合，可以少用或不用Dropout和正则（3）降低网络对初始化权重不敏感（4）允许使用较大的学习率
model.add(layers.BatchNormalization())
# ReLU是将所有的负值都设为零，相反，Leaky ReLU是给所有负值赋予一个非零斜率（负数）
model.add(layers.LeakyReLU())
# 将平铺的节点转为7*7*256的shape
model.add(layers.Reshape((7, 7, 256)))
# 通俗的讲这个解卷积，也就做反卷积，也叫做转置卷积（最贴切），我们就叫做反卷积吧，它的目的就是卷积的反向操作
# 个人理解，正常的卷积是提取卷积核特征，反卷积就是用卷积核反向修改图像，风格迁移应该也是这么回事，那么问题来了在这个gan中，卷积特征从哪来？
model.add(layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
# 64, (5, 5), strides=(2, 2), 希望得到64个特征核，步长2，2
# model.output_shape == (None, 14, 14, 64) 输出的节点数64就是上面的特征核，由于padding='same'，所以卷积后无变化，
# 14，14 是因为步长 2，2 所以7*2
model.add(layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False))
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'))
return model
# 判别器网络
def make_discriminator_model():
model = tf.keras.Sequential()
model.add(Input(shape=(28, 28, 1)))
# 将 28.28.1的图像卷积 输出64个节点
model.add(layers.Conv2D(64, (5, 5), strides=(2, 2), padding='same'))
model.add(layers.LeakyReLU())
model.add(layers.Dropout(0.3))
# 接着卷积出128个节点
model.add(layers.Conv2D(128, (5, 5), strides=(2, 2), padding='same'))
# 激活函数 为非0的斜率
model.add(layers.LeakyReLU())
model.add(layers.Dropout(0.3))
# 平铺 并输出一个数字
model.add(layers.Flatten())
model.add(layers.Dense(1))
return model
generator = make_generator_model()
discriminator = make_discriminator_model()
# 交叉熵损失函数
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True)
# 辨别模型损失函数
def discriminator_loss(real_output, fake_output):
# 样本图希望结果趋近1
real_loss = cross_entropy(tf.ones_like(real_output), real_output)
# 自己生成的图希望结果趋近0
fake_loss = cross_entropy(tf.zeros_like(fake_output), fake_output)
# 总损失
total_loss = real_loss + fake_loss
return total_loss
# 生成模型的损失函数
def generator_loss(fake_output):
# 生成模型期望最终的结果越来越接近1，也就是真实样本
return cross_entropy(tf.ones_like(fake_output), fake_output)
# 优化器
generator_optimizer = tf.keras.optimizers.Adam(1e-4)
discriminator_optimizer = tf.keras.optimizers.Adam(1e-4)
EPOCHS = 100 # 训练轮数
noise_dim = 100 # 噪声向量的维度
num_examples_to_generate = 16 # 生成图片数量
# 初始化16个种子向量，用于生成4x4的图片 seed shape: 16, 100
seed = tf.random.normal([num_examples_to_generate, noise_dim])
def train_step(images): # 更新 模型权重数据的核心方法
# 随机生成一个批次的种子向量 BATCH_SIZE = 256 noise_dim = 100 ，256个长度为100的噪音响亮
noise = tf.random.normal([BATCH_SIZE, noise_dim]) # noise shape:[256],[100]
# 查看每一次epoch参数更新 这个GradientTape 是每次梯度更新都会调用的，这个取代了model.fit的训练计算
with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
# 生成一个批次的图片
generated_images = generator(noise, training=True)
# 辨别一个批次的真实样本
real_output = discriminator(images, training=True)
# 辨别一个批次的生成图片
fake_output = discriminator(generated_images, training=True)
# 计算两个损失值
gen_loss = generator_loss(fake_output)
disc_loss = discriminator_loss(real_output, fake_output)
# 根据损失值调整模型的权重参量
gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)
# 计算出的参量应用到模型 梯度修剪，用于改变值， 梯度修剪主要避免训练梯度爆炸和消失问题
# zIP是个格式转换函数 例如：a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]； zip(*a) = [(1, 4, 7), (2, 5, 8), (3, 6, 9)]
generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))
# 训练
def train(dataset, epochs):
for epoch in range(epochs + 1):
start = time.time()
# 训练
for image_batch in dataset:
train_step(image_batch)
# 保存图片
# 每个训练批次生成一张图片作为阶段成功
print("=======================================")
generate_and_save_images(generator, epoch + 1, seed)
print('Time for epoch {} is {} sec'.format(epoch + 1, time.time() - start))
# 生成图片
def generate_and_save_images(model, epoch, test_input):
# 设置为非训练状态，生成一组图片
predictions = model(test_input, training=False)
# 4格x4格拼接
for i in range(predictions.shape[0]):
plt.subplot(4, 4, i + 1)
plt.imshow(predictions[i, :, :, 0] * 127.5 + 127.5, cmap='gray')
plt.axis('off')
# 保存为png
plt.savefig('image_at_epoch_{:04d}.png'.format(epoch))
plt.close()
# 以训练模式运行，进入训练状态
train(train_dataset, EPOCHS)
运行会生成100个训练图片，每个图片有16个数字小图。
越后面的图片，数字辨识度越高。
第1张，基本无法识别。
第16张，稍微有点辨识度：
第70张，基本有辨识度了：
