SRGAN loss部分的mindspore代码实现

本文主要是介绍SRGAN loss部分的mindspore代码实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

转载地址：https://bbs.huaweicloud.com/forum/thread-137103-1-1.html

作者： 雨丝儿

pytorch代码实现:https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=137101

接上篇帖子 ，本贴分享mindspore代码的实现：

import mindspore.common.dtype as mstype

import mindspore.nn as nn

import mindspore.ops as ops

from src.vgg19.define import vgg19

from src.loss.Meanshift import MeanShift

对于Discriminator:

class DiscriminatorLoss(nn.Cell):

    """Loss for discriminator"""

    def __init__(self, discriminator, generator):

        super(DiscriminatorLoss, self).__init__()

        self.discriminator = discriminator

        self.generator = generator

        self.adversarial_criterion = nn.BCELoss()

        ones = ops.Ones()

        zeros = ops.Zeros()

        self.real_lable = ones((16, 1), mstype.float32)

        self.fake_lable = zeros((16, 1), mstype.float32)

    def construct(self, HR_img, LR_img):

        """dloss"""

        hr = HR_img

        lr = LR_img

        # Generating fake high resolution images from real low resolution images.

        sr = self.generator(lr)

        # Let the discriminator realize that the sample is real.

        real_output = self.discriminator(hr)

        d_loss_real = self.adversarial_criterion(real_output, self.real_lable)

        # Let the discriminator realize that the sample is false.

        fake_output = self.discriminator(sr)

        d_loss_fake = self.adversarial_criterion(fake_output, self.fake_lable)

        d_loss = d_loss_fake+d_loss_real

        return  d_loss

class GeneratorLoss(nn.Cell):

    """Loss for generator"""

    def __init__(self, discriminator, generator, vgg_ckpt):

        super(GeneratorLoss, self).__init__()

        self.discriminator = discriminator

        self.generator = generator

        self.mse_loss = nn.MSELoss()

        self.adversarial_criterion = nn.BCELoss()

        ones = ops.Ones()

        self.real_lable = ones((16, 1), mstype.float32)

        self.meanshif = MeanShift()

        self.vgg = vgg19(vgg_ckpt)

        for p in self.meanshif.get_parameters():

            p.requires_grad = False

    def construct(self, HR_img, LR_img):

        """gloss"""

        # L2loss

        hr = HR_img

        lr = LR_img

        sr = self.generator(lr)

        L2_loss = self.mse_loss(sr, hr)

        # adversarialloss

        fake_output = self.discriminator(sr)

        adversarial_loss = self.adversarial_criterion(fake_output, self.real_lable)

        # vggloss

        hr = (hr+1.0)/2.0

        sr = (sr+1.0)/2.0

        hr = self.meanshif(hr)

        sr = self.meanshif(sr)

        hr_feat = self.vgg(hr)

        sr_feat = self.vgg(sr)

        percep_loss = self.mse_loss(hr_feat, sr_feat)

        g_loss = 0.006*percep_loss+1e-3*adversarial_loss+L2_loss

        return  g_loss

这篇关于SRGAN loss部分的mindspore代码实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---