生成对抗网络（GAN, Generative Adversarial Network）

豆芽819

于 2025-05-03 23:34:32 发布

阅读量1k

点赞数 8

分类专栏：概念定义文章标签：生成对抗网络人工智能神经网络 GAN VSG 深度学习

本文链接：https://blog.csdn.net/weixin_71288092/article/details/147687275

版权

概念定义专栏收录该内容

18 篇文章

订阅专栏

定义：一种通过对抗训练让两个神经网络（生成器与判别器）相互博弈的深度学习模型，用于生成逼真的数据（如图像、音频、文本等）。

一、核心思想：对抗博弈

GAN的核心是让两个神经网络在对抗中共同进化：

生成器（Generator）：伪造数据，目标是生成以假乱真的样本，欺骗判别器。
判别器（Discriminator）：鉴定数据真伪，目标是区分真实样本和生成样本。

类比：假币制造者（生成器）不断改进伪造技术，而警察（判别器）不断提升鉴别能力，最终假币几乎无法被识别。

二、数学原理

GAN的优化目标是一个极小极大博弈（Minimax Game）：

$\min_{G} \max_{D} V(D, G) = \mathbb{E}_{x \sim p_{data}(x)}[\log D(x)] + \mathbb{E}_{z \sim p_{z}(z)}[\log(1 - D(G(z)))]$

生成器输入：随机噪声 z（如高斯分布）。
判别器输出：样本为真的概率 D(x)∈[0,1]。

关键：生成器和判别器交替优化，直至达到纳什均衡（双方无法通过单方面改变策略提升效果）。

三、GAN的经典架构

1. 原始GAN

生成器和判别器均为多层感知机（MLP）。
问题：训练不稳定，易出现模式崩溃（生成样本多样性差）。

2. DCGAN（深度卷积GAN）

使用卷积神经网络（CNN）替代MLP，提升图像生成质量。
设计原则：
- 生成器用转置卷积上采样。
- 判别器用步长卷积下采样。
- 使用批量归一化（BatchNorm）和LeakyReLU。

3. 其他变体

类型	特点	应用场景
CycleGAN	无配对图像转换（如马→斑马）	风格迁移、域适应
StyleGAN	通过风格控制生成高分辨率人脸	人脸生成、艺术创作
WGAN	用Wasserstein距离替代原始损失，提升稳定性	解决模式崩溃
Conditional GAN	加入条件信息（如类别标签）生成可控样本	文本到图像生成

四、GAN的训练流程

固定生成器，训练判别器：
- 输入真实数据 x 和生成数据 G(z)。
- 优化判别器参数，最大化 $\log D(x)+\log(1-D(G(z)))$ 。
固定判别器，训练生成器：输入噪声 z，优化生成器参数，最小化 $\log(1-D(G(z)))$ 或最大化 $\log D(G(z))$ 。
交替迭代：重复步骤1和2，直至收敛。

五、GAN的应用领域

领域	应用案例	代表性模型
图像生成	生成逼真人脸、艺术作品、动漫角色	StyleGAN、ProGAN
图像编辑	图像修复、超分辨率、背景替换	Pix2Pix、SRGAN
跨模态生成	文本生成图像（如DALL·E）、音乐生成	VQGAN+CLIP、MuseGAN
数据增强	生成医学图像、工业缺陷样本	MedGAN、AnoGAN
虚拟现实	3D物体生成、场景合成	GRAF、GANverse3D

六、代码示例：简易GAN（PyTorch实现）

import torch
import torch.nn as nn

# 生成器：将噪声转换为图像
class Generator(nn.Module):
    def __init__(self, latent_dim=100, img_shape=(28, 28)):
        super().__init__()
        self.model = nn.Sequential(
            nn.Linear(latent_dim, 256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 28 * 28),
            nn.Tanh()  # 输出范围[-1,1]
        )
    
    def forward(self, z):
        return self.model(z).view(-1, 1, 28, 28)

# 判别器：判断图像真伪
class Discriminator(nn.Module):
    def __init__(self):
        super().__init__()
        self.model = nn.Sequential(
            nn.Linear(28 * 28, 512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 1),
            nn.Sigmoid()  # 输出概率
        )
    
    def forward(self, img):
        img_flat = img.view(img.size(0), -1)
        return self.model(img_flat)

# 训练循环（伪代码）
for epoch in range(num_epochs):
    for real_imgs, _ in dataloader:
        # 训练判别器
        z = torch.randn(batch_size, latent_dim)
        fake_imgs = generator(z)
        real_loss = bce_loss(discriminator(real_imgs), torch.ones(batch_size, 1))
        fake_loss = bce_loss(discriminator(fake_imgs.detach()), torch.zeros(batch_size, 1))
        d_loss = real_loss + fake_loss
        d_loss.backward()
        optimizer_D.step()

        # 训练生成器
        g_loss = bce_loss(discriminator(fake_imgs), torch.ones(batch_size, 1))
        g_loss.backward()
        optimizer_G.step()

七、GAN的优缺点

优点	缺点
生成数据质量高，逼真性强	训练不稳定，易模式崩溃
无需明确数据分布假设	难以控制生成内容的细节
支持多模态输出（如图像、文本）	计算资源消耗大

八、关键挑战与解决方案

模式崩溃（Mode Collapse）
- 现象：生成器只生成少数几种样本。
- 解决方案：WGAN、Unrolled GAN、多样化损失函数。
训练不稳定性
- 现象：生成器和判别器难以同步优化。
- 解决方案：梯度惩罚（WGAN-GP）、两时间步更新（TTUR）。
评估困难
- 现象：缺乏客观指标衡量生成质量。
- 解决方案：FID（Frechet Inception Distance）、IS（Inception Score）。