Pytorchの利用例（DCGANサンプルコード）

◆ライブラリをインポートします。

#入門編で利用したもの
import numpy as np
import matplotlib.pyplot as plt
#今回の初級編で追加したもの
import torch
import torch.nn as nn
import torchvision.datasets as dset
import torchvision.transforms as transforms

（出力なし）
--
通常は利用するものまとめて書きます。
今回は分かりやすさを優先し、必要になれば追加しています。

◆初期値を設定します。

image_size = 64
batch_size = 16

（出力なし）
--
後ほど次のように使います。
image_size：前処理で変更（178x218 → 64x64）
batch_size：まとめて処理する件数（画像16件）

◆フォルダから読み込んで画像の前処理をします。

# Create the dataset
dataset = dset.ImageFolder(root='./image/',
                           transform=transforms.Compose([
                               transforms.Resize(image_size),
                               transforms.CenterCrop(image_size),
                               transforms.ToTensor(),
                           ]))
print('画像件数：'+str(len(dataset.imgs)))
a = [print(dataset.imgs[i][0]) for i in range(3)] #先頭の3件をきれいに表示

画像件数：1000
./image/img_align_celeba\000001.jpg
./image/img_align_celeba\000002.jpg
./image/img_align_celeba\000003.jpg
--
変数[dataset]に1000件（枚）の画像が入りました。
それだけではありません。

◆前処理した「dataset」を取り出せるようにします。
　どのように取り出すか指定できます。

# Create the dataloader
dataloader = torch.utils.data.DataLoader(dataset, batch_size=batch_size)
type(dataloader)

torch.utils.data.dataloader.DataLoader
--
Pythonの「generator」型です。
16件（初期値設定した「batch_size」）ずつ画像を取り出します。

※他に「shuffle=True（ランダムに取り出す）」などのオプションがあります。

◆1セット（16件）取り出します。

for (data, labels) in dataloader:
    break
#data, labels = next(iter(dataloader)) #またはこちらでもOK
print(data.shape)

torch.Size([16, 3, 64, 64])
--
データ数　：16件（枚）
チャネル数： 3つ（RGB）
サイズ　　：64px × 64px

※この「data」を後ほど「Discriminator」に投入します。

◆先頭の1枚で、前処理の効果を確認します。

from PIL import Image #Pillowを利用
im = Image.open('./image/img_align_celeba/000001.jpg') #先頭の画像
#左の窓にフォルダの画像
plt.subplot(121)
plt.imshow(im)
#右の窓に加工（前処理）した画像
plt.subplot(122)
plt.imshow(data[0].numpy().transpose(1,2,0)) #Numpyに型変換してからtransposeメソッド利用
plt.show()

（画像表示）
--
画像は粗く正方形に加工されました。
見た目の大きさだけでなく、目盛りにも注目。

◆変数設定

nc = 3   # Number of channels in the training images. For color images this is 3
ndf = 64 # Size of feature maps in discriminator

（出力なし）
--
nc：RGBの3つ
ndf：畳み込みで使う特徴マップサイズ（JDLA認定プログラムなどで学ぶところ）

◆モデル作成（Discriminatorの機能をCNNで実装）

class Discriminator(nn.Module):
    def __init__(self, ):
        super(Discriminator, self).__init__()
        self.main = nn.Sequential(
            nn.Conv2d(      nc, ndf * 1, 4, 2, 1, bias=False),
            nn.Conv2d( ndf * 1, ndf * 2, 4, 2, 1, bias=False),
            nn.Conv2d( ndf * 2, ndf * 4, 4, 2, 1, bias=False),
            nn.Conv2d( ndf * 4, ndf * 8, 4, 2, 1, bias=False),
            nn.Conv2d( ndf * 8,       1, 4, 1, 0, bias=False),
            nn.Sigmoid()
        )

    def forward(self, input):
        return self.main(input)

（出力なし）
--
実際のコードから骨組み部分を抜き出しました。
識別器の本来の能力を発揮するには、原文コードに合わせます。

※ピースを組み合わせていると表現したところです

◆実体を作ります。

netD = Discriminator() #インスタンス作成
print(netD)

Discriminator(
  (main): Sequential(
    (0): Conv2d(3, 64, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (1): Conv2d(64, 128, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (2): Conv2d(128, 256, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (3): Conv2d(256, 512, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (4): Conv2d(512, 1, kernel_size=(4, 4), stride=(1, 1), bias=False)
    (5): Sigmoid()
  )
)
--
今回作成したモデルの具体的な内容が明らかになりました。
（こうなるように設計した）

◆識別処理実行

#データをモデルに投入
output = netD(data).view(-1)
#確認
print('before：'+str(data.shape)) #入力データ
print(' after：'+str(output.shape)) #モデル投入後

before：torch.Size([16, 3, 64, 64])
 after：torch.Size([16])
--
モデルに通すと4次元テンソルが1次元テンソルに変化

◆最後の確認

print(output)

tensor([0.5003, 0.5016, 0.5038, 0.4976, 0.4989, 0.5005, 0.5041, 0.5017, 0.5001,
        0.4998, 0.4978, 0.5007, 0.5028, 0.4992, 0.5021, 0.5003],
       grad_fn=)
--
16個の画像が16個の数値（確率値）になりました。
この確率値がそれぞれの画像の本物/偽物の数値化です。

※本当はもう少し数学的ですが、本物か偽物か見分けがつかない（50%-50%）となる生成画像を目指します