生成对抗网络GAN

用户1147754

发布于 2018-01-02 17:28:48

9830

发布于 2018-01-02 17:28:48

文章被收录于专栏：YoungGyYoungGy

背景
结构
训练
- 最大似然估计
- VGD取代最大似然估计
- D的训练
- G的训练
- 算法
问题
- G的更新优化不一定朝着最小的方向
- 通过抽样估计分布
- G中的目标函数
- 利用D去评估分布差异
- mode collapse
其他GAN

GAN属于生成模型，使用生成数据分布PGP_{G}去无限逼近数据的真实分布PdataP_{data}。衡量两个数据分布的差异有多种度量，例如KL散度等，但是前提是得知道PGP_{G}。GAN利用discriminator巧妙地衡量了PG,PdataP_{G},P_{data}的差异性，利用discriminator和generator的不断竞争（minmax）得到了好的generator去生成数据分布PGP_{G}。

背景

很多时候，我们想输入一类数据，然后让机器学习这一类数据的模式，进而产生该类型新的数据。例如：

输入唐诗三百首，输出机器写的唐诗
输入一堆动漫人物的照片，输出机器生成的动漫人物照片

该问题的核心是原数据有其分布PdataP_{data}，机器想要学习新的分布PGP_{G}去无限逼近PdataP_{data}。

一个简单的解决办法是采用异常检测的模型，通过输入大量的正常数据，让机器学习正常数据的内在规律。例如：自编码器模型如下。通过训练数据学习到数据的内在模式code。学习到code后，随机输入新的code便可以产生数据。

对于mnist数据，设code为2维，训练之后输入code得到的图片如下：

但是这种情况下，机器学习到的只是这个数据大概长什么样，而不是数据的真实分布。例如下图的两个7，在人看来都是真的图片7，但是机器却不这么认为。

结构

GAN由generator和discriminator两部分组成：

z -> G -> x' ->  D -> 01
          x  ->

generator：输入随机的zz，输出生成的x′x'
discriminator：二分类器，输入生成的x′x'和真实的xx，输出01（是否是真的数据）

GAN的训练，也包括generator和discriminator两部分：

discriminator的训练，设generator不变，通过调整discriminator的参数让discriminator尽可能区分开x,x′x,x'。

generator的训练，设discriminator不变，通过调整generator的参数让discriminator尽可能区分不开x,x′x,x'。

整体来看，generator和discriminator构成了一个网络结构，通过设置loss，保持某一个generator和discriminator参数不变，通过梯度下降更新另外一个的参数即可。

训练

最大似然估计

已知两个分布Pdata(x)P_{data}(x)和PG(x;θ)P_{G}(x;\theta)，目标是找到GG的θ\theta使两个分布尽量接近。

采用最大似然估计，有：

θ∗=argmaxθ∏i=1mPG(xi;θ)=argmaxθ∑i=1mlogPG(xi;θ)≈argmaxθEx∼Pdata(x)[logPG(x;θ)]=argmaxθ∫Pdata(x)logPG(x;θ)dx−∫Pdata(x)logPdata(x)dx=argminθKL(Pdata(x)||PG(x;θ))

\begin{split} \theta^* &= \arg \max_{\theta} \prod_{i=1}^m P_{G}(x^i;\theta) \\ &= \arg \max_{\theta} \sum_{i=1}^m \log P_{G}(x^i;\theta) \\ &\approx \arg \max_{\theta} E_{x \sim P_{data}(x)} [\log P_{G}(x;\theta) ] \\ &= \arg \max_{\theta} \int P_{data}(x) \log P_{G}(x;\theta) dx - \int P_{data}(x) \log P_{data}(x)dx \\ &= \arg \min_{\theta} KL(P_{data}(x) || P_{G}(x;\theta)) \end{split}

也就是说，最大似然PG(x;θ)P_{G}(x;\theta)的概率等价于：最小化基于PG(x;θ)P_{G}(x;\theta)的编码来编码Pdata(x)P_{data}(x)所需的额外位元数。也就是最小化KL散度。

下面只需要计算出PG(x;θ)P_{G}(x;\theta)，一切问题似乎都解决了。事实确实这样，不过对于不同的GG，PG(x;θ)P_{G}(x;\theta)计算的难易程度不同。如果GG是高斯混合模型（GMM）那么很好计算，但是通常数据的分布不是GMM那么简单，需要更复杂的GG。通常，GG是神经网络。这样的话，PG(x;θ)P_{G}(x;\theta)的计算便很困难，如下：

PG(x;θ)=∫Pprior(z)I[G(z)=x]dz

P_{G}(x;\theta) = \int P_{prior} (z) I_{[G(z)=x]} dz

这样来看，传统的最大似然是走不通呢，有没有别的出路呢？

考虑最大似然法真正解决的问题。最大似然就是提供了某种手段，去衡量两个分布Pdata(x)P_{data}(x)和PG(x;θ)P_{G}(x;\theta)的相近程度。此路不通另寻他路即可。因此便引出了下文的V(G,D)V(G,D)。

V(G,D)取代最大似然估计

V(G,D)V(G,D)是衡量两个分布Pdata(x)P_{data}(x)和PG(x;θ)P_{G}(x;\theta)相近程度的一种手段，其不同于最大似然，是通过一个额外的discriminator识别的好坏做评估的。其核心是：discriminator判别数据是真的数据（1）还是采样的数据（0）。如果两个分布很接近，那么discriminator分辨不清，效果比较差；如果两个分布很远，那么discriminator分辨清，效果比较好。

V(G,D)=Ex∼Pdata[logD(x)]+Ex∼PG[log(1−D(x))]

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

整个训练策略，是先固定GG选择D∗D^*去最大化V(G,D)V(G,D) ；然后固定D∗D^*选择GG去最大化V(G,D∗)V(G,D^*)。

G∗=argminGmaxDV(G,D)

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

D的训练

这部分解决的是：对于特定的G，如何训练得到更好的D。

D∗=maxDV(G,D)

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

首先，对V(G,D)V(G,D)做进一步分解：

V(G,D)=Ex∼Pdata[logD(x)]+Ex∼PG[log(1−D(x))]=∫PdatalogD(x)dx+∫PGlog(1−D(x))dx=∫[Pdata(x)logD(x)+PG(x)log(1−D(x))]dx

\begin{split} V(G,D) &= E_{x \sim P_{data}} [\log D(x)] + E_{x \sim P_{G}} [\log (1-D(x))] \\ &= \int P_{data} \log D(x) dx + \int P_{G} \log (1-D(x)) dx \\ &= \int [P_{data}(x) \log D(x) + P_{G}(x) \log (1-D(x)) ]dx \end{split}

所以有：

D∗=argmaxDPdata(x)logD(x)+PG(x)log(1−D(x))

D^* = \arg \max_{D} P_{data}(x) \log D(x) + P_{G}(x) \log (1-D(x))

对上述式子求导得到：

D∗(x)=Pdata(x)Pdata(x)+PG(x)

D^*(x) = \frac{P_{data}(x) }{P_{data}(x) + P_{G}(x)}

每个D∗(x)D^*(x)对应的V(G,D∗)V(G,D^*)实际上衡量了特定GG下面两个分布Pdata(x)P_{data}(x)和$P_{G}差距。

将D∗(x)D^*(x)代入V(G,D∗)V(G,D^*)，有：

所以：固定G优化D的过程，相当于计算两个分布的距离：

maxDV(G,D)=−2log2+2JSD(Pdata(x)||PG(x))

\max_{D} V(G,D) = -2\log 2 + 2JSD(P_{data}(x) || P_{G}(x) )

得到两个分布的距离之后，便转化成最小化两个分布的距离的问题，也就是：

G∗=argminGmaxDV(G,D)

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

G的训练

固定G优化D得到D∗D^*便得到了两个分布的距离V(G,D∗)V(G,D^*)，固定D∗D^*优化G，采用梯度下降即可。

算法

问题

G的更新优化不一定朝着最小的方向

优化G之后，原来的D对应的就不一定是maxV(G,D)\max V(G,D)最大的GG了，这样与我们的假设不同。解决办法是：就像梯度更新的时候迈的步子不能太大；更新G的时候迈的步子也不要太大。

通过抽样估计分布

G中的目标函数

实际训练G的时候，目标函数需要做一些修改，修改的原因是：在刚开始训练的时候，DD能够很好的区分真实数据与模拟数据，这样P(G)P(G)中D(x)D(x)的值比较小。如果采用原来的目标函数，比较小的D(x)D(x)对应目标函数的斜率比较低，不容易学习。通过改变目标函数，使比较小的D(x)D(x)对应目标函数的斜率比较高，加快了学习速率，使模型更容易学习。