李宏毅：GAN——基本思想和算法流程

Generative Adversarial Network

1. GAN的作用

输入一个vector 可以生成你想要的，输入的一个vector变成了一张张照片
当然vector也会影响输出，从而输出不一样的人物

如果第一个数代表头发的长度，倒数第二个个数代表头发蓝色的程度，最后一个代表是否张开嘴，那么数值变换就会有如下的变换

2. GAN的基本idea

GAN的神奇之处，不止训练上述的生成器（generator），还训练了一个分辨器（discriminator），它的输入是你想要生成的东西，输出是一个数值，数值越大输入图片就越真实

一开始generator网络参数是随机的，它也不知道怎么产生二次元的头像，所以往往生成噪声图片，然后就把生成结果交给discriminator判断是真实的图片还是由discriminator生成的图片
接下来generator会想办法骗过第一代的discriminator，第一代的discriminator能分辨第一代的generator（比如真实图片颜色），所以第二代产生颜色来骗第一代discriminator，但是discriminator也会进化，通过比较二代generator生成的与真实图片的差异（比如真实图片有嘴巴）
所以最后generator和discriminator都越来越强，关系是一种对抗关系

3. 算法流程（固定一方训练另一方）

step1：固定generator，升级discriminator

会有两组图片，一组是database中真实图片采样出来的样本，另一组是generator生成的，接下来就要去调整discriminator参数来训练，怎么调呢？如果是真的就给高分数，如果是假的就给低分，也就是第一组真的丢进去要离1越近越好，而第二组假的离0越近越好

step2：固定discriminator，升级generator

现将vector丢入generator，产生一张图片，再给discriminator，之后会给出分数，我们希望输出分数越大越好

这个流程，虽然组成了一个连起来的大网络，但是在训练的时候要将后面的网络参数固定，只调整前面的（generator）的参数，同样我们需要分数越大越好所以使用梯度上升（这个与梯度下降只有一个正负号的区别）

正式算法

反复执行下面的算法

1. database sample 出一个batch（m）的样本，
2. 从某个分布sample出m个vector（比如正态高斯）
3. 从而生成m个图片
4. 升级discriminator最大化下面的函数（这是最开始的paper写的式子 ，最原始的方法），之后梯度上升（注意这里是加号）
5. 某个分布sample出m个vector（比如正态高斯，不一定要与第2步一样）
6. 运行式子，就像上面图片的大网络，G(x) 产生图片，D(G(x))生成图片，输出值取log，梯度上升调整参数使得式子越大越好

4. generator为什么一定要有discriminator而不是自己去学习呢？

可以自己学，用手写数字识别举例

传统的监督学习，就是输入vector，输出图片，在网络训练
我们将vector和图片做成一个pair也就是带有标签的database进行训练网络

训练完成之后，输入一个vector丢入网络中输出一个图片要和1越接近越好

（注：其实手写数字识别，输入图片输出类别就是上面的反流程，如下图）

问题是怎么产生这些vector，如果随机产生，会很难训练
采取相似图片，vector也要有相似之处，但是这样的vector怎么产生，我们可以训练一个产生vector的encoder

这个技术可以采用auto encoder（可以给一张图片变成code），但是encoder不能自己训练，必须需要decoder（给一个code变成一张图片）

训练的时候给encoder图片，encoder把图片变成code，code再给decoder，它会写回原来的图片，其实这里的dencoder就是generator的作用

这个decoder输入某个vector的输出是固定的了，当我们输如一系列的vector发生下面右图的神奇现象数字连续的变化，比如越往左越与圈圈有关，越右越与棍子有关，纵轴与歪的方向有关
但是这样的方法有什么缺陷呢
因为训练数据有限，所以可能会遇到一些无法产生的理想中的图片

这个也可以用variational auto encoder 解决

这里encoder不止产生一个vector（m），它还会产生每一个维度的variance（$\sigma$），并从normal 分布sample出一些noise（e），e和$\sigma$相乘 后与vetcor（m）相加，最后将有noise的vector丢入decoder产生原来的数字。
这样机器就不知看到某个vector产生数字，也要看到vector加一些noise也要产生数字，这样decoder更加稳定，这样以后输入训练没见过的，就不会奇怪了

那我们还有什么缺陷呢？我们输出的图片需要和某张图片越像越好，也就是计算两种图片像素的差距，也就是需要这个差距越小越好

但是事实上generator完全复制，但是在训练的时候会犯一些错，他会在某些地方不一样，但是选择在某些地方变就非常重要，比如下面产生了心四张图片，前两个差1个像素，后两个差6个像素
但是第二幅图虽然只有一个像素差但是感觉比6个像素的不好，也就是单纯越像越好，可能就会犯错，并且每个组件之间是很难配合的，如果要把相联度考虑进去，可能需要更深的网络，也就是说用auto encoder 做生成比GAN做生成需要层次更深

输出是蓝色的，绿色是学习的目标，我们需要generator生成绿色，学习下去之后，我们最好也就产生蓝色的点，因为我们考虑像素的差距，我们不太容易学到几个绿色的分布之间是由间隙的

5. 为什么discriminator知道真实图片，为什么不自己生成呢？

它可以自己产生
generator是每一个component独立去产生的，要考虑component之间的关系是困难的，但对discriminator来说是容易的，因为输入是一张完整的图片，由discriminator评价，discriminator能够轻易告诉图片的好坏
怎么做到的呢因为，discriminator是CNN的话，它可能有这样一个filter，一个像素店旁边上面像素都没有的，如果图片有这种就给低分，所以检查就很容易，这就是discriminator的优势
那么怎么产生呢？用下面的方法，穷举所有可能的x，丢入discriminator里面，看哪一个可以产生很高的分数，高分的就是理想的图片

discriminator擅长的是批评，让他想一个好的东西是很痛苦的，那我们假设他可以想出一个，那么我们怎么训练呢？
我们可以用一些好的二次元图片和不好的二次元图像，但是不好似乎没有数据，这样都用好的就会导致模型看到什么图片都是好的。

有什么办法找好的不好的图片呢？哈哈哈，似乎还没有很好的方法，但是，我们可以用下面的方法

我们有一堆好的画和一些noise坏的话，然后给这些打分真的打高分，假的打低分，之后我们使用discriminator产生一些图片，使得这些图片图片的分数足够高，之后下一次迭代，我们用上一次迭代的图片代替noise图片，之后反复循环
但是也会有问题，我们如果有些真实图片没有涉及到，那么就会使得这些没有涉及到的真实图片认为是差的（Dx是真图片的分布）最后discriminator只认为训练集上设计到高分

6. 比较与综合

generator	discriminator
生成快	能考虑到大局
无法考虑到component的关系，学不到全局	但是去生成困难

所以argmax就用generator来代替，来解argmaxD(x)的问题

这样两种的优点就互补了
对于discriminator来说，使用generator产生坏的图片
对于generator来说，虽然仍然component by component的产生图片，但是通过discriminator学习全局信息

稳但不好