生成对抗网络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。

利用D去评估分布差异

理论上,可以用D去评估分布差异(G的好坏),D越好表明G越差,D越差表明G越好。但是实际中,这样评价的效果不好,不论G的好坏,D都比较好。

可能的原因之一:D太强大了。直观的解决办法是让D变弱一些,但是这样得到的D可否真正的计算JS divergence是个问题。

可能的原因之二:数据的本质是高维空间的manifold,很少有重叠。没有重叠的话,js距离永远都是最大值,不容易学习更新。

通常的解决办法是:给D的输入增加人为的噪声,这样真实数据与人造数据就会有重叠,D不能很好地区分真实数据与人造数据。同时要注意噪声要随时间减少。

mode collapse

mode collapse值的是GAN只学到了数据多个形态中的某一种。

可能的原因是优化式使GAN趋向如此:

其他GAN

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏深度学习思考者

正则化方法:L1和L2 regularization、数据集扩增、dropout

正则化方法:防止过拟合,提高泛化能力   在机器学习各种模型训练数据不够多时,或者overtraining时,常常会导致overfitting(过拟合)。其直观...

2367
来自专栏PPV课数据科学社区

机器学习测试题(上)

人工智能一直助力着科技发展,新兴的机器学习正推动着各领域的进步。如今,机器学习的方法已经无处不在—从手机上的语音助手到商业网站的推荐系统,机器学习正以不容忽视...

29112
来自专栏AI研习社

我是这样学习 GAN 的——开发者自述

Generative Adversarial Network,就是大家耳熟能详的 GAN,由 Ian Goodfellow 首先提出,在这两年更是深度学习中最热...

3016
来自专栏企鹅号快讯

基于深度学习的行人重识别研究综述

AI 科技评论按:本文为浙江大学罗浩为 AI 科技评论撰写的独家稿件,得到了作者本人指点和审核,在此表示感谢。 前言:行人重识别(Person Re-ident...

3638
来自专栏数值分析与有限元编程

共旋坐标法( 三 ) 算例

为计算方便,根据对称性取半结构,且刻意将初始刚度设为1,便于观察。取半结构之后,自由度只有一个,用Excel也能算了。当外荷载较小时,不会出现“跳跃”...

631
来自专栏数据科学与人工智能

【陆勤阅读】机器学习分类算法总结

目前看到的比较全面的分类算法,总结的还不错. 主要分类方法介绍解决分类问题的方法很多,单一的分类方法主要包括:决策树、贝叶斯、人工神经网络、K-近邻、支持向量...

1916
来自专栏SIGAI学习与实践平台

理解生成模型与判别模型

我们都知道,对于有监督的机器学习中的分类问题,求解问题的算法可以分为生成模型与判别模型两种类型。但是,究竟什么是生成模型,什么是判别模型?不少书籍和技术文章对这...

592
来自专栏超智能体

YJango:深度学习入门

\vec{y}= a(W\cdot\vec{x} + {b}),其中\vec{x}是输入向量,\vec{y}是输出向量,\vec{b}是偏移向量,W是权重矩阵,...

51617
来自专栏人工智能LeadAI

TensorFlow从1到2 | 第一章 消失的梯度

上一主题 《TensorFlow从0到1》介绍了人工神经网络的基本概念与其TensorFlow实现,主要基于浅层网络架构,即只包含一个隐藏层的全连接(FC,Fu...

3525
来自专栏数据科学与人工智能

【机器学习】机器学习分类算法总结

目前看到的比较全面的分类算法,总结的还不错. 主要分类方法介绍解决分类问题的方法很多,单一的分类方法主要包括:决策树、贝叶斯、人工神经网络、K-近邻、支持向量...

2325

扫码关注云+社区