【GoogleColab】ニューラルネットワークの画像生成　その１【オートエンコーダ】

どんな手法か？

画像生成を行うニューラルネットは、「生成モデル」に分類されます。

潜在変数

オートエンコーダーでは、「小さい次元」や「低次元のノイズ」と呼んでいる部分がポイントです。いずれも潜在変数（Latent variables）と呼ばれます。この潜在変数から画像を生成するイメージをつかむ鍵になります。

必要なもの

必要なものはWindowsあるいはMacPCのみです。ただし、GoogleChoromeをインストールしている必要があります。GoogleColabを使うには、以下のステップが必要です。

①Googleアカウントを用意してログインする。

②Colabにアクセスし、プログラムを書き込むノートブックを作成する。

→【無料】Google Colabを使ってサクッとPythonを使う【Python】

実行環境の準備

①Colabにアクセスします。

→Colab

②左上の「ドライブにアクセス」をクリックします。

③「その他」の「アプリを追加」から「Colaboratory」をインストールします。

④ノートブックをひらけばpythonのコードが記述できます。

学習データ(画像)の取得

①GoogleColabに以下のコードはを記述します。PyTorchのモジュールの準備とデータの取得を行います。

import torch
import torch.nn as nn
import torchvision
from torchvision import datasets
from torchvision import transforms
import numpy as np
import matplotlib.pyplot as plt

# GPUを利用できる場合は、'cuda:0'を設定
device = torch.device( 'cuda:0' if torch.cuda.is_available( ) else 'cpu')

print(device)

#Fashion-MNISTのデータをダウンロード
DIR = '/content'　＃ダウンロード先
fmnist = datasets.FashionMNIST(root=DIR, train=False, download=True)

PyTorch

import torch
import torch.nn as nn
import torchvision
from torchvision import datasets
from torchvision import transforms
import numpy as np
import matplotlib.pyplot as plt

Fashion-MNISTを取得するためのクラスが用意されています。上記の部分で、PyTorchのモジュールの準備が用意されています。

# GPUを利用できる場合は、'cuda:0'を設定
device = torch.device( 'cuda:0' if torch.cuda.is_available( ) else 'cpu')

GPUを利用できるか否かに応じて用いるデバイスを切り替えるために、変数deviceを用意しています。実行すると「cuda:0」と表示されます。この表示がでればColabのGPUが使える状態です。「cpu」と出る場合は、ColabのGPUの設定が間違っています。

DIR = '/content'　＃ダウンロード先
fmnist = datasets.FashionMNIST(root=DIR, train=False, download=True)

torchvisionのdatasets.FashionMNISTというクラスで、「download=True」を指定すると、rootで指定したフォルダーにFashion-MNISTのデータが自動的にダウンロードされます。

train=Falseとしているのは、テスト用データ（1万枚）の方を利用するためです。

解説

class DataSubset(torch.utils.data.Dataset):

datasets.Fashion.MNISTなどの画像データセットは、torch.utils.data.Datasetというクラスを継承しています。datasets.Fashion.MNISTは、このままだと１万枚の画像全て順に読み込むことができます。「torch.utils.data.Dataset」を継承して、独自のクラス（DataSubset）を作成します。

    # 元データセットへのインデックスリストを取得
    list_each = [[] for ci in range(n_cls)]
    for i, (_, label) in enumerate(orig_dataset):
      if all(len(list_each[ci]) >= n_each for ci in range(n_cls)):
        break
        if label in use_classes:
          list_each[use_classes.index(label)].append(i)
    #各クラスのリストのn_each個分を取り出し連結する
    self.idx_list = \
      sum([list_each[ci][0:n_each] for ci in range(n_cls)], [ ] )

  def __len__(self):
    """新データセットのサイズ（画像の枚数）"""
    return len(self.idx_list)

元のデータセットの何番目を用いるか求め、リスト「self.idx_list」に保存します。

  list_each = [[] for ci in range(n_cls)]

リスト内包表記で、0～n_clsの要素を持つリストを作成します。

    #各クラスのリストのn_each個分を取り出し連結する
    self.idx_list = \
      sum([list_each[ci][0:n_each] for ci in range(n_cls)], [ ] )

sum()関数は、イテレータ内の合計値を返す関数になります。

    def __getitem__(self, index_list):
      """画像を読み込む"""
      img = self.orig_dataset[self.idx_list[index]][0]
      return self.transform(img)

上記の関数で実際の画像を読み込みます。idx_listを介して引数indexより元データセットのインデックスへの変換を行います。その後、元データセットの画像にアクセスします。