转自:https://www.cnblogs.com/jeffersonqin/p/13671232.html
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”。
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:
其中,D为Discriminator
的模型函数,G为Generator
的模型函数,随机变量x服从数据集分布Pdata,随机变量(这里可能是高维随机变量,取决于模型具体实现)z服从分布Pz(生成噪音),E代表期望。
GAN的流程
即,可以分为两步理解:
- 在G为常数的情况下,选择合适的D使得V(D,G)能够最大化。
- 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:
- 取m个真实数据:
- 使用G和m组随机数(服从于噪音分布PG,一般使用服从正态分布的随机数)
- 生成m个假数据,其中
- 根据max部分的目标使用随机梯度上升(Stochastic Gradient Ascent)更新D的参数,提高D的分辨能力
-
- 根据min部分的目标使用随机梯度下降(Stochastic Gradient Descent)更新G的参数,使G生成的数据更有迷惑性
-
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)= 。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:
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
若分布是连续的,则:
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
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,表达为或
,KL散度衡量了两个分布之间的差异。
对于连续分布:
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的随机噪声z通过一个生成网络G得到一个和真实数据分布
差不多的生成分布
,其中
为生成网络G的参数。我们希望找到一个
使得两个分布
与
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中取m个样本,记作:
根据生成网络的参数,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
,那么生成这样的m个样本数据的似然(likelihood)为:
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 :
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,代表在生成分布中出现x的概率,也可以如下计算得到:
注:1⋅的含义是若打括号内的逻辑运算为真则取1,假则取0. 即
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,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:
与最优化生成模型:
我们接下来分步解释。
首先,我们不妨解释一下 ,这部分的含义之前也解释过,是在给定G的情况下,最大化
。观察发现,其形式其实与交叉熵损失函数非常相似:
其实他们表达的目的也差不多。我们先化简一下看看能得到什么结果:
(带入了G(z)=x)
让我们考察积分内部的项,我们可以对它做指数运算,即:
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。
令:
因为这里和
都可以看作常数,所以
最大化,即令其导数为0:
则:
这样,我们就得到了那个状态下最优的的表达式。我们将这个能够最大化V的D代入回
:
其中,我们引入了JS Divergence,定义如下:
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间的差异。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:
是我们的目标过程。