从一个简单例子入门生成对抗网络GAN

最新推荐文章于 2025-02-23 13:14:33 发布

咖啡味儿的咖啡

最新推荐文章于 2025-02-23 13:14:33 发布

阅读量5.3k

点赞数 3

分类专栏：深度学习文章标签： GAN 深度学习

深度学习专栏收录该内容

87 篇文章

订阅专栏

本文深入浅出地介绍了生成对抗网络（GAN）的工作原理，包括生成器和判别器的交互机制，以及如何通过对抗训练达到生成高质量图片的目的。此外，还详细解释了信息熵、KL散度和交叉熵等关键概念，帮助读者理解GAN背后的数学原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://zhuanlan.zhihu.com/p/41993080

一、什么是生成对抗网络

通俗的讲：

对抗网络有一个生成器（Generator），还有一个判别器（Discriminator）；
生成器从随机噪声中生成图片，由于这些图片都是生成器臆想出来的，所以我们称之为 Fake Image；
生成器生成的照片Fake Image和训练集里的Real Image都会传入判别器，判别器判断他们是 Real 还是 Fake。

那么我们如何训练网络呢？要达到什么样的目的？

我们希望生成器生成的图片足够真实，可以骗过判别器；
我们也希望判别器足够“精明”，可以很好的分别出真图还是生成图；
最后在训练中，生成器和判别器达到一种“对抗”中的平衡，结束训练。

这时，我们分离出生成器，它便可以帮助我们“生成”想要的图片。

二、基本概念

生成图片并不是一个新出现的需求，但是因为GAN的引入变得非常火爆。对于需要深入研究深度学习的人来说，还是需要认真学习其数学原理。

首先我们介绍几个概念（这几个概念是相互继承的，需要理解相互之间的关系）：

信息量
信息熵
K-L散度
交叉熵

1、信息量

假设有离散型随机变量 x，其取值集合为 X；且 x 的概率分布为 P(x)。那么定义事件 $x=x_{0} (x_{0}\in X)$ 的信息量为：

意义：对于小概率事件，其对应的信息量将会非常小；但是对于大概率事件，其包含的信息量就会很大。

2、信息熵

根据香浓信息熵公式，对任意一个随机变量 x，定义其信息熵为 H(x) ，单位为 bit，由于 0 < P(x) < 1 ，所以 H(x)>0。

信息熵可以简称为熵，代表了随机变量 x 的混乱程度。其实就是其信息量 I（x）的数学期望。熵越大，随机性越强。

通过简单的求导过程，我们可以发现熵是存在最大值的：

当一个随机变量 x 各取值的概率相等时，x 的无序混乱度最大，我们也就最难判断哪种情况容易放生，即熵最大！

3、KL散度：

参考博客：https://blog.csdn.net/wangdongwei0/article/details/83628438

4、交叉熵

参考博客：https://blog.csdn.net/wangdongwei0/article/details/83628438

三、生成图片的原理

1、基本原理

假设一组数据 x 服从概率分布 $P_{data}(x)$ ，记为 $x \sim P_{data}(x)$
对于以 x 为输入的分布 $P_{G}(x;\Theta )$ ，通过学习参数 $\Theta$ 使得 $P_{G}(x;\Theta )$ 接近 $P_{data}(x)$ ，那么就可以找到一个生成器。

那么如何学习参数呢？显然又到了使用最大似然估计的时候了。

2、最大似然估计

从 $x \sim P_{data}(x)$ 随机采集一组样本 $\{x^1,x^2,...,x^m\}$

使得 $L(\theta)$ 取得最大值时的 $\theta^*$ 即为我们想要的值：

注意到样本 $\{x^1,x^2,...,x^m\}$ 来源自 $x \sim P_{data}(x)$ ，所以：

需要说明，公式中绿色横线项是一个 $\theta$ 无关的常数项，所以减去后不会影响 $\theta^*$ 的结果。

所以结论是：我们要找的 $\theta^*$ 就是使得 $KL(P_{data}(x)||P_G(x;\theta))$ 取得最小值的 $\theta$ 参数。

那如何来找这个 $\theta^*$ 呢？

假设 $P_G(x;\theta)$ 是一个神经网络。

首先随机一个向量，通过网络 G(z)=x 生成图片；那么我们如何比较两个分布是否相似呢？只要我们取一组sample ，这组符合一个分布，那么通过网络就可以生成另一个分布 P_G ，然后来比较与真实分布 $P_{data}$ 。

由于神经网络可以拟合任意的函数，那么也可以拟合任意分布（包括 P_G ）。所以可以用正态分布，取样去训练一个神经网络，学习到一个很复杂的分布。

当给神经网络的输入时一个分布 $P_{prrior}(z)$ ，它的输出也可以看做一个分布 P_G(x) 。那么这个过程可以看作：

$P_G(x)=\int_{z}^{}P_{prrior}(z)I_{[G(z)=x]}dz\\$

其中 $I_{[G(z)=x]}$ 代表神经网络输入时，输出恰好为。

但此时如果使用最大似然估计会存在问题，就是神经网络的参数量太大，想要计算似然(likelihood)来对神经网络的参数进行估计是不现实的。

所以生成对抗网络GAN的最大贡献，就是用神经网络黑盒代替了上述过程：

用Gernerator代替 $P_G(x;\theta)$ ，用Discriminator代替 $P_{data}(x)$ 去约束Gernerator，不再需要似然估计，用玄学战胜了困难。

Generator(G)

所谓的生成器，就是将 $n\times n=100$ 大小的随机噪声通过全连接上采样到 $28\times28$ 大小的图片（mnist图片大小）。设随机噪声服从 $P_{z}(z)$ 分布，即 $z\sim P_{z}(z)$ 。那么生成器的输出可以表示为 G(z) 。

Discriminator(D)

所谓判别器，其实就是一个全连接分类网络，输入为 $28\times28=784$ 大小的图片，记为。输出由于经过sigmoid，所以 D(x) 是一个 (0,1) 之间的常数，代表输入为数字图片的概率。

定义GAN的Cost value如下：

$V(D,G)=E_{x\sim P_{data}(x)}\left[ \log D(x) \right]+E_{z\sim P_z(z)}\left[\log (1-D(G(z))) \right]\\$

那么希望找到的Generator是：

$G^*=\min_G\max_DV(D,G)\\$

如何理解 G^* ？首先来感性的认识下 V(D,G)

判别器是一个二分类模型，判断输入的图片是Real image or Fake image。

假定判别器输入 x_1 ，对应label为 y_1 ，则交叉熵为：

$CE(y_1,D(x_1))=-y_1\log D(x_1) -(1-y_1)\log(1-D(x_1))\\$

当有个样本 $\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}$ 时之和为：

$sum(CE)=-\sum_{i=1}^{N}{y_i\log(D(x_i))-\sum_{i=1}^{N}{(1-y_i)\log(1-D(x_i))}}\\$

考虑这里的样本 x_i 来源：

假设以的概率来自Real image，其中 $x_i\sim P_{data}(x)$ ；
即对应概率来自Fake image，其中 $z\sim P_z(z)$ 。

那么：

$sum(CE)=-\sum_{i=1}^{N}{y_i\log(D(x_i))-\sum_{i=1}^{N}{(1-y_i)\log(1-D(x_i))}}$

$=-\sum_{i=1}^{N}{y_i\log(D(x_i))-\sum_{i=1}^{N}{P_z(z_i)\log(1-D(G(z_i)))}}$

当 (x_i,y_i) 采样足够多时，多到能够代表样本分布时：

$sum(CE)=-E_{x\sim P_{data}(x)}\left[ \log D(x) \right]-E_{z\sim P_z(z)}\left[\log (1-D(G(z))) \right]\\$

即：

$V(D,G)=-sum(CE)\\$

$G^*=\min_G\max_DV(D,G)=\max_G\min_Dsum(CE)\\$

训练，使得变大，即交叉熵和KL散度变小
训练，使得变小，即交叉熵和KL散度变大

最终在 $\min\leftrightarrow\max$ 的博弈中整个GAN系统趋向于平衡。

关于 V(D,G) 原理的数学证明（数学公式预警）

首先考虑在给定的情况下 $\max_DV(D,G)$ 的含义。

$V(D,G)=E_{x\sim P_{data}(x)}\left[ \log D(x) \right]+E_{z\sim P_z(z)}\left[\log (1-D(G(z))) \right]$

$=\int_{x}^{}P_{data}(x)\log D(x)dx+\int_{z}^{}P_z(z)\log(1-D(G(z)))dz$

$=\int_{x}^{}P_{data}(x)\log D(x)dx+\int_{x}^{}P_G(x)\log(1-D(x))dx$

$=\int_{x}^{}\left[ P_{data}(x)\log D(x)+P_G(x)\log(1-D(x)) \right]dx$

当每一个 $P_{data}(x)\log D(x)+P_G(x)\log(1-D(x))$ 取得最大值时， V(D,G) 也取得最大值。

观察函数 $f(x) = a \log x + b\log(1 - x)$ ，在 $x=\frac{a}{a+b}$ 取得最大值（不信你自己算）。所以：

$D^*(x) = \frac{P_{data}(x)}{P_{data}(x) + P_G(x)}\\$

在给定时， D^* 使 V(D,G) 取得最大值。

然后将 D^* 带入 $\max_DV(D,G)$ ：

$\max_DV(D,G)=E_{x\sim P_{data}(x)}\left[\log D^*(x)\right]+E_{z\sim P_z(z)} \left[ \log(1-D^*(G(z))) \right]$

$=E_{x\sim P_{data}(x)}\left[\log D^*(x)\right]+E_{x\sim P_G(x)} \left[ \log(1- D^*(x)) \right]$

$=E_{x\sim P_{data}(x)}\left[\log \frac{P_{data}(x)}{P_{data}(x) + P_G(x)}\right]+E_{x\sim P_G(x)} \left[ \log(\frac{P_{G}(x)}{P_{data}(x) + P_G(x)}) \right]$

$=\int_{x}^{}P_{data}(x)\log\frac{\frac{1}{2}P_{data}(x)}{\frac{P_{data}(x) + P_G(x)}{2}}dx + \int_{x}^{}P_G(x)\log\frac{\frac{1}{2}P_G(x)}{\frac{P_{data}(x) + P_G(x)}{2}}dx$