畫貓貓哄女孩子好浪漫喔！

來自專欄極光日報132 人贊了文章

簡評：國外有個男孩子，為了哄女孩子開心，訓練了一個 BEGAN 的神經網路模型來畫小貓貓！真的很熱愛代碼了（誤

Zack Nado 是 Google Brain 的一名工程師，他和他的女朋友都是 Pusheen（胖吉貓）的超級粉絲。國內可能對 Pusheen 不太熟悉，它是由 Claire Belton 和 Andrew Duff 兩位藝術家創作的一隻豐滿的灰色虎斑短毛貓，Facebook 設定頁面的插圖幾乎都是 Pusheen。

所以呢，為了給女朋友過生日，Zack 就開始嘗試創建一個機器學習程序來畫 Pusheen！

Zack 創建的是「Generative Adversarial Network」，簡稱「GAN」，即生成式對抗網路，是目前很流行的機器學習程序類型。

▎製作貓貓數據集

為了讓神經網路對畫貓貓這件事有所了解，就需要給它們足夠多的目標圖像，多多益善。但這對於 Pusheen 來說是個小問題，因為並沒有這麼多 Pusheen 圖像。和那些動輒 50,000-1,200,000 個圖像的標準機器學習數據集相比，Pusheen 的圖像實在太少了。

所以 Zack 就用了些小技巧來製作新圖像 —— 將原圖旋轉、縮放、翻轉！

有了足夠多的貓貓圖片，就可以將其使用在神經網路中了！

▎訓練神經網路

之所以稱之為「生成式對抗網路」，是因為這個模型中包含兩個模塊 —— 生成模型（Generative Model）和判別模型（Discriminative Model），我們可以這樣簡單理解：

• 判別器學習生成器產生的圖像中的缺陷，以便它能從假圖像中挑選出真實的圖像
• 生成器學習如何生成與真實圖像類似的圖像，以使判別器無法區分

於是這個模型中的兩個模塊都有自己的目標，我們就可以開始訓練神經網路了。典型的設置是這樣的：

1. 給判別器一些真實的圖像，讓它知道 Pusheen 貓長什麼樣子
2. 給生成器一些隨機數，讓它開始生成一些圖像
3. 將生成的圖像傳給判別器，讓判別器知道生成器生成了什麼圖像
4. 重複 Step 1

在幾十萬次重複後，我們就擁有了一個擅長製作 Pusheen 的發生器，以及一個在真偽圖像中徘徊的鑒別器了。下面這個視頻能讓我們直觀地看到神經網路的工作進度 —— 首先學習圖像的基本知識（比如白色背景上的灰色圓形物體），然後逐漸變得複雜（如耳朵和尾部），接著是面部，最後越來越接近我們的小貓貓！

▎結果

下面是不同模型生成的圖像（不同參數設置 生成的圖像是不同的）

當然也有一些翻車的……

感興趣的話可以點進原文鏈接看看，Zack 在他的博客中還設置了參數控制項，可以讓你自行設置參數，並且實時看到生成模型的變化。

另外，還有一篇專業版本 (Expert) 提供給機器學習的人士閱讀，真的很貼心了！人家有女朋友不是沒有道理的 ~

原文鏈接：

Generating Pusheen with AI

推薦閱讀：

Python 的數學仙境之旅?

zhuanlan.zhihu.com

極光日報，極光開發者旗下媒體。

每天導讀三篇英文技術文章。