import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torch.nn.functional as F
from torchvision.utils import save_image
# 变分自编码器
class VAE(nn.Module):
def __init__(self):
super(VAE, self).__init__()
# 编码器层
self.fc1 = nn.Linear(input_size, 512) # 编码器输入层
self.fc2 = nn.Linear(512, latent_size)
self.fc3 = nn.Linear(512, latent_size)
# 解码器层
self.fc4 = nn.Linear(latent_size, 512) # 解码器输入层
self.fc5 = nn.Linear(512, input_size) # 解码器输出层
# 编码器部分
def encode(self, x):
x = F.relu(self.fc1(x)) # 编码器的隐藏表示
mu = self.fc2(x) # 潜在空间均值
log_var = self.fc3(x) # 潜在空间对数方差
return mu, log_var
# 重参数化技巧
def reparameterize(self, mu, log_var): # 从编码器输出的均值和对数方差中采样得到潜在变量z
std = torch.exp(0.5 * log_var) # 计算标准差
eps = torch.randn_like(std) # 从标准正态分布中采样得到随机噪声
return mu + eps * std # 根据重参数化公式计算潜在变量z
# 解码器部分
def decode(self, z):
z = F.relu(self.fc4(z)) # 将潜在变量 z 解码为重构图像
return torch.sigmoid(self.fc5(z)) # 将隐藏表示映射回输入图像大小，并应用 sigmoid 激活函数，以产生重构图像
# 前向传播
def forward(self, x): # 输入图像 x 通过编码器和解码器，得到重构图像和潜在变量的均值和对数方差
mu, log_var = self.encode(x.view(-1, input_size))
z = self.reparameterize(mu, log_var)
return self.decode(z), mu, log_var
# 使用重构损失和 KL 散度作为损失函数
def loss_function(recon_x, x, mu, log_var): # 参数：重构的图像、原始图像、潜在变量的均值、潜在变量的对数方差
MSE = F.mse_loss(recon_x, x.view(-1, input_size), reduction='sum') # 计算重构图像 recon_x 和原始图像 x 之间的均方误差
KLD = -0.5 * torch.sum(1 + log_var - mu.pow(2) - log_var.exp()) # 计算潜在变量的KL散度
return MSE + KLD # 返回二进制交叉熵损失和 KLD 损失的总和作为最终的损失值
def sample_images(epoch):
with torch.no_grad(): # 上下文管理器，确保在该上下文中不会进行梯度计算。因为在这里只是生成样本而不需要梯度
number = 64
sample = torch.randn(number, latent_size).to(device) # 生成一个形状为 (64, latent_size) 的张量，其中包含从标准正态分布中采样的随机数
sample = model.decode(sample).cpu() # 将随机样本输入到解码器中，解码器将其映射为图像
save_image(sample.view(number, 1, 28, 28), f'sample{epoch}.png') # 将生成的图像保存为文件
if __name__ == '__main__':
batch_size = 512 # 批次大小
epochs = 100 # 学习周期
sample_interval = 10 # 保存结果的周期
learning_rate = 0.001 # 学习率
input_size = 784 # 输入大小
latent_size = 64 # 噪声大小
# 载入 MNIST 数据集中的图片进行训练
transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()]) # 将图像转换为张量
train_dataset = torchvision.datasets.MNIST(
root="~/torch_datasets", train=True, transform=transform, download=True
) # 加载 MNIST 数据集的训练集，设置路径、转换和下载为 True
train_loader = torch.utils.data.DataLoader(
train_dataset, batch_size=batch_size, shuffle=True
) # 创建一个数据加载器，用于加载训练数据，设置批处理大小和是否随机打乱数据
# 在使用定义的 AE 类之前，有以下事情要做:
# 配置要在哪个设备上运行
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 建立 VAE 模型并载入到 CPU 设备
model = VAE().to(device)
# Adam 优化器，学习率
optimizer = optim.Adam(model.parameters(), lr=learning_rate)
# 训练
for epoch in range(epochs):
train_loss = 0
for batch_idx, (data, _) in enumerate(train_loader):
data = data.to(device) # 将输入数据移动到设备（GPU 或 CPU）上
optimizer.zero_grad() # 进行反向传播之前，需要将优化器中的梯度清零，以避免梯度的累积
# 重构图像 recon_batch、潜在变量的均值 mu 和对数方差 log_var
recon_batch, mu, log_var = model(data)
loss = loss_function(recon_batch, data, mu, log_var) # 计算损失
loss.backward() # 计算损失相对于模型参数的梯度
train_loss += loss.item()
optimizer.step() # 更新模型参数
train_loss = train_loss / len(train_loader) # # 计算每个周期的训练损失
print('Epoch [{}/{}], Loss: {:.3f}'.format(epoch + 1, epochs, train_loss))
# 每10次保存图像
if (epoch + 1) % sample_interval == 0:
sample_images(epoch + 1)
# 每训练10次保存模型
if (epoch + 1) % sample_interval == 0:
torch.save(model.state_dict(), f'vae{epoch + 1}.pth')
（100个epochs的结果）
