单步训练GAN技巧——把生成器和判别器loss合并成一个

我们知道普通的模型都是搭好架构，然后定义好loss，直接扔给优化器训练就行了。但是GAN不一样，一般来说它涉及有两个不同的loss，这两个loss需要交替优化。现在主流的方案是判别器和生成器都按照1:1的次数交替训练（各训练一次，必要时可以给两者设置不同的学习率，即TTUR），交替优化就意味我们需要传入两次数据（从内存传到显存）、执行两次前向传播和反向传播。

如果我们能把这两步合并起来，作为一步去优化，那么肯定能节省时间的，这也就是GAN的同步训练。

（注：本文不是介绍新的GAN，而是介绍GAN的新写法，这只是一道编程题，不是一道算法题～）

如果在TF中 #

 

如果是在tensorflow中，实现同步训练并不困难，因为我们定义好了判别器和生成器的训练算子了（假设为D_solver和G_solver），那么直接执行

sess.run([D_solver, G_solver], feed_dict={x_in: x_train, z_in: z_train})

就行了。这建立在我们能分别获取判别器和生成器的参数、能直接操作sess.run的基础上。

更通用的方法 #

但是如果是Keras呢？Keras中已经把流程封装好了，一般来说我们没法去操作得如此精细。所以，下面我们介绍一个通用的技巧，只需要定义单一一个loss，然后扔给优化器，就能够实现GAN的训练。同时，从这个技巧中，我们还可以学习到如何更加灵活地操作loss来控制梯度。

判别器的优化 #

我们以GAN的hinge loss为例子，它的形式是：

D=G=argminD𝔼x∼p(x)[max(0,1+D(x))]+𝔼z∼q(z)[max(0,1−D(G(z)))]argminG𝔼z∼q(z)[D(G(z))](1)(1)D=arg⁡minD⁡Ex∼p(x)[max(0,1+D(x))]+Ez∼q(z)[max(0,1−D(G(z)))]G=arg⁡minG⁡Ez∼q(z)[D(G(z))]

注意argminDarg⁡minD意味着要固定GG，因为GG本身也是有优化参数的，不固定的话就应该是argminD,Garg⁡minD,G。

 

为了固定GG，除了“把GG的参数从优化器中去掉”这个方法之外，我们也可以利用stop_gradient去手动固定：

D,G=argminD,G𝔼x∼p(x)[max(0,1+D(x))]+𝔼z∼q(z)[max(0,1−D(Gng(z)))](2)(2)D,G=arg⁡minD,G⁡Ex∼p(x)[max(0,1+D(x))]+Ez∼q(z)[max(0,1−D(Gng(z)))]

这里

Gng(z)=stop_gradient(G(z))(3)(3)Gng(z)=stop_gradient(G(z))

这样一来，在式(2)(2)中，我们虽然同时放开了D,GD,G的权重，但是不断地优化式(2)(2)，会变的只有DD，而GG是不会变的，因为我们用的是基于梯度下降的优化器，而GG的梯度已经被停止了，换句话说，我们可以理解为GG的梯度被强行设置为0，所以它的更新量一直都是0。

 

生成器的优化 #

现在解决了DD的优化，那么GG呢？stop_gradient可以很方便地放我们固定里边部分的梯度（比如D(G(z))D(G(z))的G(z)G(z)），但GG的优化是要我们去固定外边的DD，没有函数实现它。但不要灰心，我们可以用一个数学技巧进行转化。

首先，我们要清楚，我们想要D(G(z))D(G(z))里边的GG的梯度，不想要DD的梯度，如果直接对D(G(z))D(G(z))求梯度，那么同时会得到D,GD,G的梯度。如果直接求D(Gng(z))D(Gng(z))的梯度呢？只能得到DD的梯度，因为GG已经被停止了。那么，重点来了，将这两个相减，不就得到单纯的GG的梯度了吗！

D,G=argminD,G𝔼z∼q(z)[D(G(z))−D(Gng(z))](4)(4)D,G=arg⁡minD,G⁡Ez∼q(z)[D(G(z))−D(Gng(z))]

现在优化式(4)(4)，那么DD是不会变的，改变的是GG。

 

注：不需要从链式法则来理解这种写法，而是要通过stop_gradient本身的意义来理解。对于L(D,G)L(D,G)，不管G,DG,D的关系是什么，完整的梯度都是(∇DL,∇GL)(∇DL,∇GL)，而把GG的梯度停止后，相当于GG的梯度强行设置为0的，也就是L(D,Gng)L(D,Gng)的梯度实际上为(∇DL,0)(∇DL,0)，所以L(D,G)−L(D,Gng)L(D,G)−L(D,Gng)的梯度是(∇DL,∇GL)−(∇DL,0)=(0,∇GL)(∇DL,∇GL)−(∇DL,0)=(0,∇GL)。

值得一提的是，直接输出这个式子，结果是恒等于0，因为两部分都是一样的，直接相减自然是0，但它的梯度不是0。也就是说，这是一个恒等于0的loss，但是梯度却不恒等于0。

合成单一loss #

好了，现在式(2)(2)和式(4)(4)都同时放开了D,GD,G，大家都是argminarg⁡min，所以可以将两步合成一个loss：

D,G=argminD,G𝔼x∼p(x)[max(0,1+D(x))]+𝔼z∼q(z)[max(0,1−D(Gng(z)))]+λ𝔼z∼q(z)[D(G(z))−D(Gng(z))](5)(5)D,G=arg⁡minD,GEx∼p(x)[max(0,1+D(x))]+Ez∼q(z)[max(0,1−D(Gng(z)))]+λEz∼q(z)[D(G(z))−D(Gng(z))]

写出这个loss，就可以同时完成判别器和生成器的优化了，而不需要交替训练，但是效果基本上等效于1:1的交替训练。引入λλ的作用，相当于让判别器和生成器的学习率之比为1:λ1:λ。

 

参考代码：https://github.com/bojone/gan/blob/master/gan_one_step_with_hinge_loss.py

文章小结 #

文章主要介绍了实现GAN的一个小技巧，允许我们只写单个模型、用单个loss就实现GAN的训练。它本质上就是用stop_gradient来手动控制梯度的技巧，在其他任务上也可能用得到它。

所以，以后我写GAN都用这种写法了，省力省时～当然，理论上这种写法需要多耗些显存，这也算是牺牲空间换时间吧。

转载到请包括本文地址：https://spaces.ac.cn/archives/6387