文章目录
- 前言
- 1、Generator网络结构
- 1.1 初始化
- 1.1.1 输入初始化
- mapping network初始化
- Synthesis network初始化
- 1.2 forward
- 1.3 备注:styleconv的理解
- 2、主网络训练
- 2.1 更新鉴别器
- 2.2 更新生成器
- 3、图像投影到隐码空间的训练
- 3.1 初始设置
- 3.2 迭代过程
- 带注释代码路径
前言
这是StyleGAN2理解的下篇,主要讲述的是代码的理解。上篇讲到StyleGAN2的论文总体包括以下四个方面内容@[论文精读] StyleGAN2 论文&代码理解 (上)
(1)、水滴状伪影的修正(归一化的修改)
(2)、图像质量的的提升,主要是PPL(perceptual path length)
(3)、关于渐进提升分辨率的做法
(4)、关于将图像投影到隐码空间 (latent space)
代码主要需要分为3个大方面来理解
(1)、Generator网络结构
(2)、主网络训练
(3)、图像投影到隐码空间 (latent space)的训练
1、Generator网络结构
1.1 初始化
1.1.1 输入初始化
生成器参数输入主要包括6个东西,输入输出尺度(分辨率,下文以512作为输入输出表示),style维度(通常是512个style),mlp的个数(通常设置8),通道的乘数(默认2),模糊核的设置(默认[1,3,3,1]),以及mlp的学习率尺度。
class Generator(nn.Module):def __init__(self,size,style_dim,n_mlp,channel_multiplier=2,blur_kernel=[1, 3, 3, 1],lr_mlp=0.01,):super().__init__()
mapping network初始化
这部分也就是将原始输入随机数z,通过f(z) 变到w空间,是一个由若干个mlp(8个)构成的层。
第一个是一个用于像素归一化的层,通过input和自身平方根倒数相乘得到归一化数值
然后接下来的8层都是MLP层,通过线性/非线性映射,将输入的维度从[b,in_dim] 映射到 [b, in_dim]。以下是代码及便于理解的注释。
"""归一化: x * rsqrt(x*x.mean+1e-8)"""layers = [PixelNorm()]"""映射层: 512 -> 512 ,lr_mlp 是学习率乘法因子,权重初始化torch.randn(out_dim, in_dim).div_(lr_mul),除以小于1的数,放大了偏置初始化0,权重乘以这个 self.scale = (1 / math.sqrt(in_dim)) * lr_mul , 实际上两者结合就是*(1 / math.sqrt(in_dim))偏置乘以这个 self.lr_mul """for i in range(n_mlp):layers.append(EqualLinear(style_dim, style_dim, lr_mul=lr_mlp, activation="fused_lrelu"))"""style 将输入b in_dim -> b in_dim 线性或非线性映射(存在激活函数),dim一般=512"""self.style = nn.Sequential(*layers)
Synthesis network初始化
主要的生成网络的初始化,包括一些尺寸和通道数的初始化定义,初始输入,卷积,噪声引入的引入。
尺寸和通道数初始化定义如下,通过字典的方式强行绑定特征图尺寸和通道数。
self.channels = {4: 512,8: 512,16: 512,32: 512,64: 256 * channel_multiplier,128: 128 * channel_multiplier,256: 64 * channel_multiplier,512: 32 * channel_multiplier,1024: 16 * channel_multiplier,}
初始化输入,设计第一个styleconv和第一个to_rgb层,这些卷积都可以先当作普通卷积来理解。
""" 初始化输入self.channels[4]=512,初始化得到(1,512,4,4)第一维度 repeat batch次 变成(b,512,4,4) """self.input = ConstantInput(self.channels[4])"""开始设置卷积了,在外部当作普通卷积理解,具体理解可见具体函数输入输出通道都是512,没有上采样"""self.conv1 = StyledConv(self.channels[4], self.channels[4], 3, style_dim, blur_kernel=blur_kernel)"""先当作普通卷积,从512通道卷积到3通道(RGB)b,512,4,4 -> b,3,4,4"""self.to_rgb1 = ToRGB(self.channels[4], style_dim, upsample=False)
设计多个尺度下的卷积层和噪声层,具体理解可见代码注释
# 2^n 次方,如果是512,logsize就是9self.log_size = int(math.log(size, 2))"""层数根据logsize来设置如果是512,那么就是(9-2)*2+1 = 15 层,初始尺寸4,是2^2 ,最终尺寸是2^9,除去第一个尺寸的一个卷积,其他每个尺寸都有两个卷积=(9-2)*2+1"""self.num_layers = (self.log_size - 2) * 2 + 1self.convs = nn.ModuleList()self.upsamples = nn.ModuleList()self.to_rgbs = nn.ModuleList()self.noises = nn.Module()in_channel = self.channels[4]"""为啥+5? 与每个尺寸的操作对应,第一个卷积只有一个,噪声也只有一个,都是在尺寸4上进行从第二个卷积开始,每个卷积都有两个,噪声也有两个,+5可以保证下一个偶数噪声和下下个奇数噪声尺寸相同。"""for layer_idx in range(self.num_layers):res = (layer_idx + 5) // 2shape = [1, 1, 2 ** res, 2 ** res]self.noises.register_buffer(f"noise_{layer_idx}", torch.randn(*shape))"""range从3开始到logsize+1,这个主要还是要和out_channel一一对应第一个卷积输入时self.channels[2 ** 2] = self.channels[4] 接下来每一层都是一个卷积(upsample=True) + 一个卷积(upsample=False)且每次上采样都是伴随 2 ** i的改变,也就是通道数会和设定一样,越来越少"""for i in range(3, self.log_size + 1):out_channel = self.channels[2 ** i]self.convs.append(StyledConv(in_channel,out_channel,3,style_dim,upsample=True,blur_kernel=blur_kernel,))self.convs.append(StyledConv(out_channel, out_channel, 3, style_dim, blur_kernel=blur_kernel))self.to_rgbs.append(ToRGB(out_channel, style_dim))in_channel = out_channel"""self.n_latent 表示lantent 隐码有几个,是2x9-2=16个也就是总的2^9 ,每个维度有两个lantent但是2,没有,所以-2"""self.n_latent = self.log_size * 2 - 2
1.2 forward
具体的数据传输流程和生成过程。
首先可以先把一些训练过程中没用到的模块折叠,方便整体理解。
1、将输入数据通过mapping network 映射到w空间
2、将w空间负责n次变成W空间(方便嵌入不同维度)
3、最小维度(4x4)的卷积和torgb处理
4、从最小维度到512尺度的卷积(两个,一个有上采样一个没有)和torgb层
1.3 备注:styleconv的理解
其实跟论文过程描述十分接近,可看下图。
那具体是怎么调制卷积权重的呢?
2、主网络训练
2.1 更新鉴别器
包括鉴别器更新、鉴别器正则化(16次迭代进行一次)。
鉴别器损失函数是softplus loss
正则化函数是 r1_loss (计算真实图像和生成图像的梯度,惩罚这个梯度,目的就是让鉴别器梯度小一点,稳定一点)
2.2 更新生成器
包括生成器更新、生成器正则化(4次迭代进行一次)
生成器损失函数也是softplus loss
正则化函数是路径正则化,也就是对图像增加噪声,观察其w梯度的变化。
路径正则化
3、图像投影到隐码空间的训练
3.1 初始设置
跟论文描述一样,先计算latent的均值和方差,然后初始化latent和noise的起点
3.2 迭代过程
包括学习率的更新,前面750次迭代的噪声增加,图像损失函数和正则化损失
学习率和噪声的更新。
图像损失和正则化损失以及最后的noise归一化。
带注释代码路径
https://github.com/yeruiqian/stylegan2-pytorch