# 生成对抗神经网络GAN入门，有这篇就够了🎉

2016年某日，有人在Quora (opens new window)上抛出问题: 在深度学习领域有哪些正在或将要爆发的大突破？ (opens new window) 不曾料到Facebook AI首席科学家杨立昆 (opens new window)对这个问题做出了详细的回答。他提到：

在深度学习领域最近有太多的发展让我没有办法在这里一一列举。在我看来最重要的是对抗训练(也被叫做生成对抗神经网络, 简称GAN). 最开始是由Goodfellow (opens new window)在学生时期提出来的。我想这个(指GAN)和那些正在被提出的变形是过去10年来最有趣的想法。

可以看到他给了GAN非常高的评价🎉，一方法说最重要的是GAN，另外一方面更是说GAN是过去10年来最有趣的想法。杨立昆最重要的贡献是在图像处理领域，他提出了卷积神经网络(CNN), 因此也被叫做卷积神经网络之父🧔🏻。我猜想他对GAN给出这么高的评价很有可能是GAN在图像领域有着广泛的应用。

例如，文章开头的图片就是GAN应用的一个很好的例子。这是一个叫做Deep Dream Generator (opens new window) 的网页应用，用户JosieArt上传一张大象🐘图片，然后选择了图片左下角的风格，通过训练好的生成器就可以生成相应风格的图片。得到的效果是否还很不错呢？

当然这里提到的只是GAN应用的冰山一角，在Gans Awesome Applications (opens new window) 上可以查看大量GAN的应用。

此刻或许大家就会好奇🤔，到底什么是GAN？

# 什么是GAN🤔️

GAN有两个神经网络🕸。

第一个叫判别器(Discriminator)，记做 $D(Y)$ 。它得到输入 $Y$ (比如一张图)后输出一个值，这个值表示了 $Y$ 看起来是否"真实"。 $D(Y)$ 可以看作某种能量函数，当 $Y$ 是真实样本时，函数的值接近0, 反之，当图片 $Y$ 的噪声很大或者很奇怪时，函数值为正。

另一个网络叫做生成器(Generator), 记为 $G(Z)$ 。这里的 $Z$ 通常是从一个简单分布(例如高斯分布)随机抽样得到的向量，生成器 $G(Z)$ 的作用是生成图片，这些生成的图片会被用来训练判别器 $D(Y)$ (给真实图片较低的值，其他的图片较高的值)。

判别器 $D$ 和生成器 $G$ 的训练时交替进行的; 训练 $D$ 的时候， $G$ 的参数保持不变，而训练 $G$ 的时候， $D$ 的参数是固定的。通常生成器 $G$ 要学会生成真实的图片要花费更多的时间，而要让判别器 $D$ 学会像不像真实照片，相对较为容易。因此，通常我们大量地训练生成器后，才会"弱弱地"训练一下判别器。

具体来说:训练 $D$ 的过程中,给它一张真实的图片，使其调整参数输出较低的值；再给它一张 $G$ 生成的图片，让它调整参数输出较大的值 $D(G(Z))$ 。

另一方面，在训练 $G$ 的时候, 它会调整内部的参数使得它生成的图片越来越真实。也就是它一直在优化使得它产生的图片能够骗过 $D$ , 想要让 $D$ 认为它生成的图片是真实的。

也就是说，对这些生成的图片， $G$ 想要最小化 $D$ 的输出，而 $D$ 想要最大化 $D$ 的输出。呈现出对抗的样子，所以这样的训练就叫做对抗训练(adversarial training), 也叫做GAN。

# 训练目标🎯

就拿生成图片来说清楚GAN背后是在做什么。日剧《半分、青い》 (opens new window)讲述了一个活泼小女孩，玲爱，在一次生病后造成左耳失聪，却没因此而气馁，在父母与青梅竹马的鼓励下继续开朗的活着，成为漫画家的故事。

说这个故事是因为我们这里需要漫画家😉。假设我们有很多玲爱画的卡通头像。每一张图可以看做是高维空间中的一个点 $x$ , 由于所有的这些卡通头像都是她画的,因此认为所有的这些点都服从玲爱风格的某个分布 $P_{data}(x)$ ;也就是说，只要从这个分布里面随便采样一个点 $x$ , 那么这个点 $x$ 对应的头像都应该和她的风格一样。

GAN的目标

让机器学会生成玲爱风格的卡通头像。

因此, 我们的目的是要找到一个生成器,它所产生的样本 $x$ 对应的分布 $P_{G}(x)$ 和玲爱对应的分布 $P_{data}(x)$ 越接近越好。那如何衡量分布的接近程度呢？这是一个问题，我们继续看。

# 训练思路📕

训练GAN可以分成三步:

步骤1
搭建一个生成器神经网络 $G$ , 网络所有参数用 $\theta$ 表示。 $G$ 目的是用来生成图片, 我们认为生成的图片样本 $x$ 都服从生成器对应的一个分布 $P_{G}(x; \theta)$ 。

步骤2
在现有头像数据库中抽出 $n$ 张头像, 对应高维空间中 $n$ 个点 $\{x_1,x_2,...,x_n \}$ 。"抽"的这个动作相当于在分布 $P_{data}(x)$ 里采样。我们既然能够抽到到 $\{x_1,x_2,...,x_n\}$ , 那就是说 $P_{data}(x_1)$ , $P_{data}(x_2)$ ,..., $P_{data}(x_n)$ 这些概率值很大。前面已经提到, 生成器训练的目标是让 $P_{G}(x)$ 和 $P_{data}(x)$ 越接近越好。因此我们希望 $P_{G}(x_1; \theta),P_{G}(x_2; \theta),...,P_{G}(x_n; \theta)$ 这些概率值每一个都很高, 换句话说就是想要 $\prod_{k=1}^n P_{G}(x_k; \theta)$ 的值越大越好。

提示

$x_1$ 被抽到了,那么一定是 $P_{data}(x_1)$ 的概率高才会被抽到。我们通常假设:一件事情发生了，就说明这件事发生的概率比较高。

步骤3
训练网络找到参数

$\theta^* = \arg \max_{\theta} \prod_{k=1}^n P_{G}(x_k; \theta)$

其中, $\prod_{k=1}^n P_{G}(x_k; \theta)$ 叫做样本的Likelihood。可以证明:

$\arg \max_{\theta} \prod_{k=1}^n P_{G}(x_k; \theta) = \arg \min_{\theta} [KL(P_{data}||P_{G})]$

这里 $KL$ 指的是KL Divergence, 它可以表示两个分布的接近程度。上面这个式子说的是最大化Likelihood和最小化KL Divergence是同一个意思。因此这个步骤变为:训练网络找到参数

$\theta^* = \arg \min_{\theta} [KL(P_{data}||P_{G})]$

证明：最大化Likelihood = 最小化KL Divergence

$\arg \max_{\theta} \prod_{k=1}^n P_{G}(x_k; \theta) = \arg \max_{\theta} \log \prod_{k=1}^n P_{G}(x_k; \theta)$

$= \arg \max_{\theta} \sum_{k=1}^n \log P_{G}(x_k; \theta)$ , 由于 $\{x_1,x_2,...,x_n\}$ 都来自于 $P_{data}(x)$ 这个分布, 因此:

$\approx \arg \max_{\theta} \mathbb{E}_{x \sim P_{data}(x)}[\log P_{G}(x; \theta)]$

$= \arg \max_{\theta} [\int_x P_{data}(x)\log P_{G}(x;\theta)dx]$ 下一步减一个常数，对找 $\theta ^*$ 没有影响。

$= \arg \max_{\theta} [\int_x P_{data}(x)\log P_{G}(x;\theta)dx - \int_x P_{data}(x)\log P_{data}(x)dx]$

$= \arg \max_{\theta} [\int_x P_{data}(x)\log \frac{P_{G}(x;\theta)}{P_{data}(x)}dx]$

$= \arg \max_{\theta} [- KL(P_{data}||P_{G})]$

$= \arg \min_{\theta} [KL(P_{data}||P_{G})]$

证毕

# 具体步骤

# 搭建生成器

等到我们设计的生成器神经网络 $G$ 训练好了之后,我们就可以利用它来生成玲爱风格的卡通头像了。这个神经网络具体应该是什么样子的呢? 我们看下面这张图:

输入是128维的一个向量, 这些输入的值可以控制输出头像的一些特征，例如头发的颜色，头发的长短, 肤色，性别等等。 make.girls.moe (opens new window)是一个在线的卡通头像生成项目，去玩一下就很容易理解这里神经网络G的输入是什么了。输出构成一张图片，这里的64x64个像素点最后可以拼成一张灰度图。

Tip

这里的输入可以看做是128维空间中的一个点;输出是4096维空间中的一个点; 输入数据我们从一个固定的分布中去采样(例如:128维的高斯分布); 我们期望神经网络(G)的输出数据(图片)的分布 $P_{G}(x)$ 能够和 $P_{data}(x)$ 的分布越接近越好。

# 确认目的

训练最终目的: 找到

$G^* = \arg \min_{G} Div(P_{G}, P_{data})$

就是说我们想要找到一个最好的生成器 $G^*$ , 它能够使得 $P_{G}$ 和 $P_{data}$ 的某种Divergence越小越好(前面提到的 $KL$ 是一种具体的Divergence)。有目标后，一步一步走下去。自然地，你就会问 $Div(P_{G}, P_{data})$ 我们该怎么算?

# 计算 $Div(P_{G}, P_{data})$

任何一种Divergence都是有公式的，我在文章"什么是熵"中有提到。原则上直接带入公式就可以算出来了。但是这里的问题是我们不知道 $P_{G}, P_{data}$ 的表达式是什么。

一方面，尽管我们有玲爱画的漫画头像库，但是我们也不知道她画的头像服从什么分布, 即 $P_{data}$ 未知; 另一方面，即使可以利用生成器生成很多的头像,但是我们也不知道这些生成的头像服从什么分布, 即 $P_{G}$ 未知。那应该如何计算两个分布的Divergence呢? 我们的手上只有两个分布的样本? 可以直接比较样本吗? 答案是肯定的。这件事漫画导师秋風羽織 (opens new window) 可以帮我们大忙。

我们将玲爱和生成器 $G$ 画的头像分别拿去给秋风先生过目，让他说说谁画得更真实。毕竟是玲爱是秋风先生的得意弟子，因此他总是想也不想就直接说玲爱的画的更好，还总是说生成的差太多。生成器器没有办法，为了得到秋风先生的的夸赞它就会像玲爱学习。这样的结果是机器或许真的可以变得和玲爱一样优秀。

我们的期待

机器真的可以变得和玲爱一样优秀；也就是 $P_{data}(x)$ 和 $P_{G}(x)$ 可以很接近；也就是 $Div(P_{G},P_{data})$ 很小。

可以看到，在训练生成器的过程中, 有一个举足轻重的角色: 秋風羽織先生。在训练过程中，判别器可能会产生上万张图片，难道你真的准备让秋風先生去做这么无聊的事？😳

当然不行，因此我们需要另外一个角色来代替秋風先生，那便是判别器。判别器就做一件事情: 给生成器的生成的头像打低分，给玲爱画的打高分。开始时判别器的技能当然比不过秋風先生，每当生成器升级之后, 判别器也需要更新技能才能够很好地判断。好在有很好的资料(训练数据,来自两个分布的样本)可以供它升级(更新网络参数参数)。因此我们希望最终可以得到一个像秋風先生那般厉害的判别器 $D^*$ 。

不能够直接算 $Div(P_{G}, P_{data})$ , 我们只能间接地训练一个判别器来判断一张图片有多像玲爱画的, 很像判别器输出的值就接近1, 不像就接近0; 通过判别器的输出 $D$ ,我们再构造一个函数 $V$ , 这个函数就反映了 $Div(P_{G}, P_{data})$ 。

# 训练判别器

要反映 $Div(P_{G}, P_{data})$ , 就需要有一个判别器网络。判别器的结构是什么样的呢?

可以看到，判别器的输入是图片，输出是一个数,这个数反映的是这张图有多像玲爱画的。我么如何才能得到像秋風先生那样厉害的判别器 $D^*$ 呢？我们还需要做一件事，使用判别器构造出一个二分类器，即是否判断输入图是否为玲爱的。

分类器的输出:

$V = \mathbb{E}_{x \sim P_{data}}[\log D(x)] + \mathbb{E}_{x \sim P_{G}}[\log (1-D(x))]$

解释

$V$ 的表达式可以这样理解，在训练判别器计算分类器输出时：

当图片 $x$ 来自玲爱数据集时， $x$ 带入 $\mathbb{E}_{x \sim P_{data}}[\log D(x)]$ 计算。
当图片 $x$ 来自生成器数据集时， $x$ 带入 $\mathbb{E}_{x \sim P_{G}}[\log (1-D(x))]$ 计算。

可以看到在1中 $V$ 和判别器 $D$ 相关; 在2中，由于图片 $x$ 来自生成器，因此 $V$ 还与 $G$ 有关，因此 $V$ 写作 $V(D,G)$

于是判别器最优解，

$D^* = \arg \max_{D}V(D,G)$

通过调整参数，尝试找到最好的判别器 $D^*$ ，它使得 $V$ 的值越大越好; 要使 $V$ 更大，判别器就要学会:

给玲爱的画高分，即让 $D(x)$ 的值越接近1越好;
给生成的画低分,即让 $D(x)$ 的值越接近0越好。

新的问题是:

$V(D,G) = \mathbb{E}_{x \sim P_{data}}[\log D(x)] + \mathbb{E}_{x \sim P_{G}}[\log (1-D(x))]$

该怎么算?

使用均值的方式去近似期望，于是

$\tilde{V}=\frac{1}{m} \sum_{i=1}^{m} \log D\left(x^{i}\right)+\frac{1}{m} \sum_{i=1}^{m} \log \left(1-D\left(\tilde{x}^{i}\right)\right)$

其中

$x^i$ 来自玲爱数据集, 标签为1,
$\tilde{x}^i$ 来自生成器数据集, 标签为0。

# 算法总结

始终要记得GAN我们要的是 $G$ , 因此第一步搭建 $G$ 网络，第二步是准备训练数据，第三步是训练。但是训练的过程我们需要一个判别器 $D$ 来帮助我们分清好坏。因此我们要顺便训练一个 $D$ 。总结算法如下:

GAN算法

初始化 $D,G$ 的参数分别为 $\theta_d, \theta_g$
循环训练:
- 训练 $D$ $D$ , $k$ $k$ 次:
  - 从分布 $P_{data}(x)$ 中随机采样 $m$ 个 $\{x^1,x^2,...,x^m\}$
  - 从已知分布 $P_{prior}(z)$ 中随机采样 $m$ 个 $\{z^1,z^2,...,z^m\}$
  - 使用 $\tilde{x}^i=G(z^i)$ 获得生成数据 $\{\tilde{x}^1, \tilde{x}^2,...,\tilde{x}^m\}$
  - 更新 $D$ $D$ 的参数 $\theta_d$ $θ d $ 来最大化
    - $\tilde{V}=\frac{1}{m} \sum_{i=1}^{m} \log D\left(x^{i}\right)+\frac{1}{m} \sum_{i=1}^{m} \log \left(1-D\left(\tilde{x}^{i}\right)\right)$
    - $\theta_{d} \leftarrow \theta_{d}+\eta \nabla \tilde{V}\left(\theta_{d}\right)$
- 训练 $G$ $G$ , $1$ $1$ 次:
  - 重新从已知分布 $P_{prior}(z)$ 中随机采样 $m$ 个 $\{z^1,z^2,...,z^m\}$
  - 更新 $G$ $G$ 的参数来最小化
    - $\tilde{V}=\frac{1}{m} \sum_{i=1}^{m} \log \left(1-D\left(\tilde{x}^{i}\right)\right)$
    - $\theta_{g} \leftarrow \theta_{g}-\eta \nabla \tilde{V}\left(\theta_{g}\right)$

GAN在训练判别器时，生成器的参数固定不变；在训练生成器时，判别器的参数固定不变。GAN的核心思想在这篇文章中算是介绍得差不多了。当然最初的GAN也有很多不足之处，例如很难训练，不容易收敛等问题。因此又有很多人对原始的算法进行优化，出现了各种各样衍生的GAN,我们以后有机会在聊一聊其他的GAN。

希望这篇文章能够帮助到你。我是阿梁，我在机器学习之路way2ml (opens new window)分享高效工具, 编程，AI的内容。下次见！

参考:

首页图片来自JosieArt Deep Dream Generator (opens new window)
国立台湾大李宏毅老师GAN课程 GAN Lecture 4 (2018): Basic Theory (opens new window)
维基百科: Generative adversarial network (opens new window)
Medium: Understanding Generative Adversarial Networks (GANs) (opens new window)
GAN示意图: Generative Adversarial Network (GAN) (opens new window)
维基百科：半分、青い (opens new window)
步骤示意图: 一个大象放进冰箱的过程 (opens new window)
火熱的生成對抗網路（GAN），你究竟好在哪裡 (opens new window)
Stackoverflow image with caption - vuepress (opens new window)
html使用简单标签改变字体（加粗、斜体...） (opens new window)

← 生成对抗神经网络凸共轭和GAN有什么关系? →