首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >GAN(对抗生成网络)的基本原理以及数学证明

GAN(对抗生成网络)的基本原理以及数学证明

作者头像
gyro永不抽风
发布2021-05-21 14:50:20
1.7K0
发布2021-05-21 14:50:20
举报

Preface

今天在PD Lib和DL斗智斗勇时,突然想起了自己非常想学的GAN,机缘巧合下便百度了,得到了以下两篇文章:

于是便对GAN有了初步的了解(以前肯定是心不在焉才没有理解的(划掉)),随后又在五楼生命科学的书架上找到了相关资料,遂学了一波。

GAN概述

2014 年,Ian Goodfellow 和他在蒙特利尔大学的同事发表了一篇震撼学界的论文。没错,我说的就是《Generative Adversarial Nets》,这标志着生成对抗网络(GAN)的诞生,而这是通过对计算图和博弈论的创新性结合。他们的研究展示,给定充分的建模能力,两个博弈模型能够通过简单的反向传播(backpropagation)来协同训练。 这两个模型的角色定位十分鲜明。给定真实数据集 R,G 是生成器(generator),它的任务是生成能以假乱真的假数据;而 D 是判别器 (discriminator),它从真实数据集或者 G 那里获取数据, 然后做出判别真假的标记。Ian Goodfellow 的比喻是,G 就像一个赝品作坊,想要让做出来的东西尽可能接近真品,蒙混过关。而 D 就是文物鉴定专家,要能区分出真品和高仿(但在这个例子中,造假者 G 看不到原始数据,而只有 D 的鉴定结果——前者是在盲干)。 理想情况下,D 和 G 都会随着不断训练,做得越来越好——直到 G 基本上成为了一个“赝品制造大师”,而 D 因无法正确区分两种数据分布输给 G。 实践中,Ian Goodfellow 展示的这项技术在本质上是:G 能够对原始数据集进行一种无监督学习,找到以更低维度的方式(lower-dimensional manner)来表示数据的某种方法。而无监督学习之所以重要,就好像 Yann LeCun 的那句话:“无监督学习是蛋糕的糕体”。这句话中的蛋糕,指的是无数学者、开发者苦苦追寻的“真正的 AI”。 ——pytorch实现GAN

GAN - Generative Adversarial Nets, 生成对抗网络,简单来讲其有两个组成部分:

  • D (Discriminator) - 判别器,判断输入时捏造的还是真实的
  • G (Generator) - 生成器,从随机噪声中生成我们想要的数据

随着训练的进行,我们要提高D的辨析能力,但同时也要G的能力来骗过D,因为我们的最终目的是要让G来生成可以骗过D的信息。总结来说,通过对这两个模型的训练,我们就可以找到随机噪声与有意义数据的映射,达到创作的目的。

GAN的流程和目标函数

GAN的目标函数

GAN的目标函数如下:

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

其中,D 为Discriminator的模型函数,G 为Generator的模型函数,随机变量x 服从原来正确的数据集的分布P_\text {data} ,随机变量(这里可能是高维随机变量,取决于模型具体实现)\boldsymbol {z} 服从分布P_z (生成噪音),\mathbb E 代表期望。

GAN的流程

G^* = \arg \min _G \max _D V(D, G)

即,可以分为两步理解:

  1. G 为常数的情况下,选择合适的D 使得V(D,G) 能够最大化。
  2. 在这之后,选取合适的G 来最小化V(D, G) ,这个G 就是我们想要的生成模型。

在每一步的训练中:

  • 个真实数据:
\{x^{(1)}, x^{(2)}, x^{(3)}, \cdots, x^{(m)}\}

使用,一般使用服从正态分布的随机数)

\{\boldsymbol {z}^{(1)}, \boldsymbol {z}^{(2)}, \boldsymbol {z}^{(3)}, \cdots, \boldsymbol {z}^{(m)}\}

生成个假数据,其中

\forall i \in [1, m], i \in \mathbb Z \Rightarrow x^{(i)} \sim P_{\text{data}}, \boldsymbol {z} ^ {(i)} \sim P_z
  • 的分辨能力
\theta_d := \theta_d + \alpha_d \nabla_{\theta_d} \frac 1 m \sum _ {i = 1} ^ m \Big [ \log D\big ( x^{(i)} \big) + \log \big ( 1 - D \big ( G(\boldsymbol{z}^{(i)}) \big ) \big ) \Big]
  • 生成的数据更有迷惑性
\theta_g := \theta_g - \alpha_g\nabla_{\theta_g} \frac 1 m \sum _{i = 1} ^ m\log \Big ( 1 - D\big ( G(\boldsymbol{z} ^ {(i)})\big ) \Big )

GAN的数学原理

Prerequisites

信息量(自信息)

信息量是指信息多少的量度,即,对于一条信息,传达这条信息所需的最少信息长度为自信息。

信息论创始人C.E.Shannon,1938年首次使用比特(bit)概念:1(bit)= \log_2 2 。它相当于对二个可能结局所作的一次选择量。信息论采用对随机分布概率取对数的办法,解决了不定度的度量问题。

定义:符合分布P 的某一事件x 出现,传达出这条信息的信息量记为:

I = \log \frac 1 {P(x)} = - \log P(x)

香农熵

从离散分布P 中随机抽选一个事件,传达这条信息所需的最优平均信息长度为香农熵,表达为:

H(P) = \sum_x P(x) \log \frac 1 {P(x)} = - \sum_x P(x) \log P(x)

若分布是连续的,则:

H(P) = \int_x P(x) \log \frac 1 {P(x)} \mathrm dx = -\int_x P(x) \log P(x) \mathrm dx

交叉熵

用分布P 的最佳信息传递方式来传达分布Q 中随机抽选的一个事件,所需的平均信息长度为交叉熵,表达为

H_P(Q) = \sum_x Q(x) \log \frac 1 {P(x)} = - \sum_x Q(x) \log P(x)
H_P(Q) = \int_x Q(x) \log \frac 1 {P(x)} \mathrm dx = - \int_x Q(x) \log P(x) \mathrm dx

$KL$ Divergence

KL 散度:用分布P 的最佳信息传递方式来传达分布Q ,比用分布Q 自己的最佳信息传递方式来传达分布Q ,平均多耗费的信息长度为KL 散度,表达为D_P(Q)D_{KL}(Q||P)KL 散度衡量了两个分布之间的差异。

`$ \begin{aligned}

D_{KL}(Q||P) = D_P(Q) &= H_P(Q) - H(Q) \

&= \sum_x Q(x) \log \frac 1 {P(x)} - \sum _x Q(x) \log \frac 1 {Q(x)} \

&= \sum_x Q(x) \log \frac {Q(x)} {P(x)}

\end{aligned}$`

对于连续分布:

D_{KL}(Q||P) = D_P(Q) = \int_{-\infty} ^ {\infty} P(x)\log \frac {P(x)}{Q(x)} \mathrm dx

KL Divergence越大,两个分布差异越大,反之差异越小。

数学原理

看完Prerequisites,我们回归正题讨论GAN的原理。我们现在想要做的事情,其实就是将一个服从P_G 的随机噪声\boldsymbol z 通过一个生成网络G 得到一个和真实数据分布P_{\text {data}}(x) 差不多的生成分布P_G(x;\theta_g) ,其中\theta_g 为生成网络G 的参数。我们希望找到一个\theta_g 使得两个分布P_{\text {data}}(x)P_G(x;\theta) 尽可能地相似(使得他们地KL散度尽可能得小)。

我们从真实数据分布P_\text{data}(x) 中取m 个样本,记作:

\{x^{(1)}, x^{(2)}, x^{(3)}, \cdots, x^{(m)}\}

根据生成网络的参数\theta_g ,我们可以计算出这m 个真实样本在生成网络中出现的概率P_G(x^{(i)}; \theta_g) ,那么生成这样的m 个样本数据的似然(likelihood)为:

L = \prod_{i = 1} ^ m P_G(x^{(i)}; \theta_g)

由于我们想要两个分布尽量相似,那么我们肯定希望这个似然L 尽量大,即生成这样的真实数据的概率尽量大,遂我们最大化这个似然,找到\theta_g^*

`$ \begin{aligned}

\thetag^* &= \arg \max {\thetag} \prod {i = 1} ^ m P_G(x^{(i)}; \theta_g) \

&\Leftrightarrow \arg \max {\theta_g} \log \prod {i = 1} ^ m P_G(x^{(i)}; \theta_g) \

&= \arg \max {\theta_g} \sum{i = 1} ^ m \log P_G(x^{(i)}; \theta_g) \

&\approx \arg \max {\theta_g} \mathbb E{x \sim P_{\text {data}}} \log P_G(x; \theta_g) \

&= \arg \max {\theta_g} \int x P_\text{data}(x) \log P_G(x; \theta_g)\mathrm dx \

&= \arg \max {\theta_g} \int x P\text{data}(x) \log P_G(x; \theta_g)\mathrm dx \&- \int x P\text{data}(x) \log P\text {data}(x)\mathrm dx \

&= \arg \max {\theta_g} \int x P\text {data} (x) \log \frac {P_G(x; \theta_g)} {P\text {data}(x)} \mathrm dx \

&= \arg \max {\theta_g} - \int x P\text {data} (x) \log \frac {P\text {data}(x)} {P_G(x; \theta_g)} \mathrm dx \

&= \arg \min {\theta_g} KL(P\text {data} || P_G(x; \theta))

\end{aligned}$`

所以可见,其实最大化这个似然,和最小化KL散度是基本相同的。

上述式子中,P_G(x;\theta_g) 代表在生成分布中出现x 的概率,也可以如下计算得到:

P_G(x) = \int _ \boldsymbol{z} P_z(z)\cdot 1\{G(z) = x\} \mathrm dz

注:1\{\cdot\} 的含义是若打括号内的逻辑运算为真则取1 ,假则取0 . 即

1\{\text {True}\} = 1, 1 \{\text {False}\} = 0

但是我们发现,上述的过程是难以进行计算的,甚至完全没办法求P_G(x) ,这只是模型的想法而已。

现在我们看回之前我们提到的目标函数:

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

与最优化生成模型:

G^* = \arg \min _G \max _D V(D, G)

我们接下来分步解释。

首先,我们不妨解释一下\max_D V(G, D) ,这部分的含义之前也解释过,是在给定G 的情况下,最大化V(G, D) 。观察发现,其形式其实与交叉熵损失函数非常相似:

\mathcal L(\hat y, y) = -(y\log \hat y + (1 - y) \log (1 - \hat y))

其实他们表达的目的也差不多。我们先化简一下V(G, D) 看看能得到什么结果:

`$ \begin{aligned}

V(G, D) &= \mathbb E{x \sim P{\text{data}} } \log D(x) + \mathbb E_{\boldsymbol {z} \sim P_z}\log(1 - D(G(\boldsymbol {z}))) \

&= \intx P\text {data}(x) \log D(x) \mathrm dx + \int_\boldsymbol{z} P_z(\boldsymbol{z}) \log (1 - D(G(\boldsymbol{z})))\mathrm dz \

&= \intx P\text {data}(x) \log D(x) \mathrm dx + \int_x P_G(x)\log (1 - D(x)) \mathrm dx \

&= \intx [P\text {data}(x) \log D(x) + P_G(x)\log (1 - D(x))] \mathrm dx

\end{aligned}$`

让我们考察积分内部的项,我们可以对它做指数运算,即:

e^{P_\text {data}(x) \log D(x) + P_G(x)\log (1 - D(x))} = D(x) ^ {P_\text {data}}\times(1- D(x))^{P_G(x)}

其想表达什么便不言而喻了,它表达的就是判别器判别是真的的正确率和判别是假的的正确率,总体来说就是衡量D 的能力,所以我们想要最大化V ,提高D 的判别能力。

f(D) = P_\text {data}(x) \log D(x) \mathrm dx + P_G(x)\log (1 - D(x))

因为这里P_\text {data} (x)P_G(x) 都可以看作常数,所以

\arg \max _ D \int_x f(D) \mathrm dx = \arg \max _D f(D)

最大化f(D) ,即令其导数为0

\frac {\mathrm d f(D)} {\mathrm dD } = \frac {P_\text {data}(x)}{D} - \frac {P_G(x)} {1 - D} = 0

则:

\frac {P_\text {data}(x)}{D} = \frac {P_G(x)} {1 - D}
D^*(x) = \frac {P_\text {data}(x)}{P_\text {data}(x) + P_G(x)}

这样,我们就得到了那个状态下最优的D^* 的表达式。我们将这个能够最大化VD 代入回V(G, D)

`$ \begin{aligned}

\max V(G, D) &= V(G, D^*) \

&= \mathbb E{x \sim P\text {data}} \Big \log \frac {P\text {data}(x)}{P\text {data}(x) + P_G(x)} \Big + \mathbb E{x \sim P_G} \Big [ \frac {P_G(x)}{P\text {data}(x) + P_G(x)}\Big ] \

&= \intx P\text {data} (x) \log \frac {\frac 1 2 P\text {data}}{\frac 1 2 (P\text{data}(x) + PG(x))} \mathrm dx + \int x PG(x) \log \frac {\frac 1 2 P_G(x)} {\frac 1 2 (P\text {data} (x) + P_G(x))} \mathrm dx \

&= -2\log 2 + D{KL} (P\text {data} || \frac 1 2 P_\text{data}(x) + P_G(x)) + D{KL} (P_G(x) || \frac 1 2 [P\text {data}(x) + P_G(x)]) \

&= -2\log 2 + JSD (P_\text{data}(x) || P_G(x))

\end{aligned}$`

其中,我们引入了JS Divergence,定义如下:

JSD(P||Q) = \frac 1 2 D_{KL} (P||M) + \frac 1 2 D_{KL} (Q || M), M = \frac 1 2 (P + Q)

容易得到,KL Divergence是不对称的,而JS Divergence是对称的。他们都可以衡量两组分布建的差异。这里我们想要两组分布差异最小,故取\min

所以,这也就解释了为什么:

\arg \min _G \max _D V(G, D)

是我们的目标过程。

本文作者:博主: gyrojeff    文章标题:GAN(对抗生成网络)的基本原理以及数学证明

本文地址:https://cloud.tencent.com/developer/article/1827340

版权说明:若无注明,本文皆为“gyro永不抽风!”原创,转载请保留文章出处。

许可协议:署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 转载请保留原文链接及作者!

我的博客即将同步至腾讯云+社区,邀请大家一同入驻

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2020 年 08 月,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Preface
  • GAN概述
  • GAN的流程和目标函数
    • GAN的目标函数
      • GAN的流程
      • GAN的数学原理
        • Prerequisites
          • 信息量(自信息)
          • 香农熵
          • 交叉熵
          • $KL$ Divergence
        • 数学原理
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档