Bagaimana untuk melaksanakan pembelajaran mesin untuk menukar teks kepada imej dengan kod sampel?

Generative Adversarial Network (GAN) digunakan secara meluas dalam pembelajaran mesin untuk menjana teks kepada imej. Struktur rangkaian ini terdiri daripada penjana yang menukar hingar rawak kepada imej, dan diskriminator yang berfungsi untuk membezakan antara imej sebenar dan imej yang dihasilkan oleh penjana. Melalui latihan lawan yang berterusan, penjana dapat menjana imej realistik secara beransur-ansur yang sukar dibezakan daripada diskriminator. Teknologi ini mempunyai prospek aplikasi yang luas dalam penjanaan imej, peningkatan imej dan bidang lain.

Contoh mudah ialah menggunakan GAN untuk menjana imej digit tulisan tangan. Berikut ialah contoh kod dalam PyTorch:

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms
from torchvision.utils import save_image
from torch.autograd import Variable

# 定义生成器网络
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.fc = nn.Linear(100, 256)
        self.main = nn.Sequential(
            nn.ConvTranspose2d(256, 128, 5, stride=2, padding=2),
            nn.BatchNorm2d(128),
            nn.ReLU(True),
            nn.ConvTranspose2d(128, 64, 5, stride=2, padding=2),
            nn.BatchNorm2d(64),
            nn.ReLU(True),
            nn.ConvTranspose2d(64, 1, 4, stride=2, padding=1),
            nn.Tanh()
        )

    def forward(self, x):
        x = self.fc(x)
        x = x.view(-1, 256, 1, 1)
        x = self.main(x)
        return x

# 定义判别器网络
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()
        self.main = nn.Sequential(
            nn.Conv2d(1, 64, 4, stride=2, padding=1),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(64, 128, 4, stride=2, padding=1),
            nn.BatchNorm2d(128),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(128, 256, 4, stride=2, padding=1),
            nn.BatchNorm2d(256),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(256, 1, 4, stride=1, padding=0),
            nn.Sigmoid()
        )

    def forward(self, x):
        x = self.main(x)
        return x.view(-1, 1)

# 定义训练函数
def train(generator, discriminator, dataloader, optimizer_G, optimizer_D, device):
    criterion = nn.BCELoss()
    real_label = 1
    fake_label = 0

    for epoch in range(200):
        for i, (data, _) in enumerate(dataloader):
            # 训练判别器
            discriminator.zero_grad()
            real_data = data.to(device)
            batch_size = real_data.size(0)
            label = torch.full((batch_size,), real_label, device=device)
            output = discriminator(real_data).view(-1)
            errD_real = criterion(output, label)
            errD_real.backward()
            D_x = output.mean().item()

            noise = torch.randn(batch_size, 100, device=device)
            fake_data = generator(noise)
            label.fill_(fake_label)
            output = discriminator(fake_data.detach()).view(-1)
            errD_fake = criterion(output, label)
            errD_fake.backward()
            D_G_z1 = output.mean().item()
            errD = errD_real + errD_fake
            optimizer_D.step()

            # 训练生成器
            generator.zero_grad()
            label.fill_(real_label)
            output = discriminator(fake_data).view(-1)
            errG = criterion(output, label)
            errG.backward()
            D_G_z2 = output.mean().item()
            optimizer_G.step()

            if i % 100 == 0:
                print('[%d/%d][%d/%d] Loss_D: %.4f Loss_G: %.4f D(x): %.4f D(G(z)): %.4f / %.4f'
                      % (epoch+1, 200, i, len(dataloader),
                         errD.item(), errG.item(), D_x, D_G_z1, D_G_z2))
        # 保存生成的图像
        fake = generator(fixed_noise)
        save_image(fake.detach(), 'generated_images_%03d.png' % epoch, normalize=True)

# 加载MNIST数据集
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])
dataset = datasets.MNIST(root='./数据集', train=True, transform=transform, download=True)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=64, shuffle=True)

# 定义设备
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# 初始化生成器和判别器
generator = Generator().to(device)
discriminator = Discriminator().to(device)

# 定义优化器
optimizer_G = optim.Adam(generator.parameters(), lr=0.0002, betas=(0.5, 0.999))
optimizer_D = optim.Adam(discriminator.parameters(), lr=0.0002, betas=(0.5, 0.999))

# 定义固定噪声用于保存生成的图像
fixed_noise = torch.randn(64, 100, device=device)

# 开始训练
train(generator, discriminator, dataloader, optimizer_G, optimizer_D, device)

Menjalankan kod ini akan melatih model GAN ​​untuk menjana imej digit tulisan tangan dan menyimpan imej yang dijana.

Atas ialah kandungan terperinci Bagaimana untuk melaksanakan pembelajaran mesin untuk menukar teks kepada imej dengan kod sampel?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!