### PyTorch 实现对抗生成网络评价指标 Inception Score (IS) #### IS 的计算原理 Inception Score 是一种用于评估生成模型（如 GAN）输出图像质量的指标。它通过衡量生成图像的清晰度和多样性来评价生成模型的效果。 1. **分类概率分布**：使用预训练的 Inception 模型对生成的图像进行分类，得到每张图像在每个类别的概率分布 \( p(y|x) \)。 2. **边缘分布**：计算所有生成图像的类别分布的边缘概率 \( p(y) = \mathbb{E}_{x}[p(y|x)] \)。 3. **KL 散度**：计算每个图像的概率分布 \( p(y|x) \) 和边缘分布 \( p(y) \) 之间的 KL 散度。 4. **指数化**：最终的 Inception Score 定义为： \[ IS = \exp\left( \mathbb{E}_x \left[ KL(p(y|x) || p(y)) \right] \right) \] #### PyTorch 实现代码 以下是一个基于 PyTorch 的 Inception Score 计算实现： ```python import torch from torchvision import models from torchvision.transforms import functional as F from scipy.stats import entropy import numpy as np # 加载预训练的 InceptionV3 模型 def load_inception_model(): inception_model = models.inception_v3(pretrained=True, transform_input=False) inception_model.eval() return inception_model # 预处理图像并提取特征 def get_predictions(model, images, batch_size=32, device='cpu'): model.to(device) preds = [] with torch.no_grad(): for i in range(0, len(images), batch_size): batch_images = torch.stack([F.to_tensor(img).to(device) for img in images[i:i+batch_size]]) batch_images = F.resize(batch_images, (299, 299)) batch_images = batch_images * 2 - 1 # Normalize to [-1, 1] outputs = model(batch_images)[0].cpu().numpy() # Get logits preds.append(outputs) return np.concatenate(preds, axis=0) # 计算 Inception Score def calculate_inception_score(preds, splits=10): scores = [] for i in range(splits): part = preds[(i * preds.shape[0] // splits):((i + 1) * preds.shape[0] // splits), :] py = np.mean(part, axis=0) scores.append(np.exp(np.mean(entropy(part, py)))) return np.mean(scores), np.std(scores) # 示例用法 if __name__ == "__main__": from PIL import Image import os # 假设我们有一些生成的图像 generated_images = [Image.open(f"generated_image_{i}.jpg") for i in range(100)] # 加载模型并获取预测结果 inception_model = load_inception_model() predictions = get_predictions(inception_model, generated_images, batch_size=16, device='cuda' if torch.cuda.is_available() else 'cpu') # 计算 Inception Score mean, std = calculate_inception_score(predictions) print(f"Inception Score: {mean} ± {std}") ``` #### 代码解释 1. **`load_inception_model`**: 加载预训练的 InceptionV3 模型，并将其设置为评估模式。 2. **`get_predictions`**: 对输入的生成图像进行预处理，并通过 Inception 模型提取特征。这里将图像调整为 `(299, 299)` 的大小，并归一化到 `[-1, 1]` 范围。 3. **`calculate_inception_score`**: 根据提取的特征计算 Inception Score，分为多个子集以减少方差。 4. **主程序**: 加载生成图像，调用上述函数完成 Inception Score 的计算。 --- ###